演病人和走流程，最好别交给同一个 agent

一个模型同时扮演病人和医生，最常见的失败不是「演得不像」，而是「太配合」。医生还没问到关键点，病人就自己把家族史、诱因、既往用药一口气倒了出来。对话看起来很顺，信息也齐，但这条数据教不会模型任何东西——真实问诊里，信息是一问一答挤出来的。

10 月 23 日的一篇论文就盯在这个缝上。

一、发生了什么

先看问题本身。问诊前的对话是采集病人信息的关键环节，但大规模获取这类数据很贵：隐私和伦理两道限制，让真实对话很难成批拿到。于是大家用大模型合成。

作者认为现有做法有两个天花板。一类靠提示词工程，写一大堆指令让模型「演得像」；另一类靠硬规则，把流程写死。前者难以保证临床相关，后者难以保住病人的多样性——真实病人有配合的、含糊的、跑题的、记不清的，规则演不出来。

他们的解法是把两件事拆开。一份是人设：这个病人是谁、什么症状、怎么表达、配合到什么程度。另一份是流程：按临床指南该问哪些项、什么条件下进入下一步。两个 agent 各拿一份，一个按人设演病人，一个按流程演医生，对话从两边交互里长出来，而不是由一个模型自问自答。

生成完还有一道事后质检，看三件事：角色有没有串（病人的话是不是突然变成医生的口吻）、流程有没有缺项、文本前后有没有自相矛盾。

实验做在冠心病上。结论是合成的对话在信息覆盖、临床合规、对话自然度三个方面都更接近真实对话；把它拿去下游微调，对医疗对话任务确实有用。摘要没有给具体分数，也没有说比谁高多少——这一点得等全文。

二、跟你有什么关系

做医疗评测的：你现在用来测问诊模型的那些合成病例，很可能系统性偏简单。病人太配合，模型的追问能力就被掩盖了。

做合成数据管线的：拆成两个角色不是为了好看，是为了让「信息该什么时候出现」变成可控变量。

医院或科室想自建训练数据的：这套办法的价值在于可复现——同一个人设能稳定跑出同一种信息释放节奏，这比「像真人」更有用。

三、怎么判断你的合成对话有没有失真

1. 做遮挡测试。 把医生那一侧的问句遮住，单看病人这句话还成不成立。如果它自己就把上下文补齐了，说明信息泄漏。这是最快的自检，不用标注。
2. 把两份规格分开写。 病人侧只给身份、症状、表达习惯、配合度；医生侧只给指南步骤和触发条件。两边都不许看到对方的完整脚本——这是「拆」的全部意义。
3. 用品检三项验收。 角色一致性、流程完整性、文本一致性。三项里最容易漏的是第一项，也最伤数据：串戏的样本会教模型混淆说话人立场。
4. 别急着全科推广。 论文只在冠心病上验证过。急诊和慢病门诊的信息释放节奏，本来就不是一回事。

四、三个别信的说法

「两个 agent 就是多花一份推理钱。」 多花的钱买的是可控性。单 agent 也能演出像样的对话，但你没法指定「这条信息在第几轮才放出来」，而评测恰恰要靠这个变量造难度。

「合成对话越像真人越好。」 方向反了。评测数据要的是稳定可复现，同一个人设跑十次应该得到同一条信息覆盖路径。自然度只是三个维度里的一个，把它当唯一目标，会做出好看但没法比的数据。

「过了质检就能替代真实数据。」 论文的措辞是「更接近」，不是「等价」。下游微调有效只说明这批数据有用，不说明它能顶掉真实问诊记录——真实数据里那些记不清、答非所问的部分，恰恰最难合成。

五、一句话结论

合成医疗对话的质量，取决于你敢不敢让病人「不配合」；把病人和流程拆成两个角色，是让不配合变成可调参数的最省事办法。

信息来源

• arXiv 论文页：病人人设与临床流程解耦的双 agent 问诊对话合成（2026-10-23）

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。