截至 10 月 29 日的公开信息，百度健康在 10 月 24 日的文心健康管家升级发布会上推出好医矩阵，包含好医榜、好医说、好医答、好医加号、好医评等能力，其中好医加号把线上问诊与线下诊疗串成一条链路。官方披露的数据是，每天提供 12 万个以上加班号源，支持最长 30 天长周期预约，覆盖 80% 以上公立三甲医院，加号通过率接近 70%，累计帮助用户成功加号近 600 万次。对做 AI 可见度的人来说，这件事的意义在于就医决策的前半段已经被 AI 接手。
一个加号产品 把AI放进了诊前环节
好医加号的流程值得细看。用户在百度 App 搜索好医加号，可以直接表达想挂某个方向或某位医生，系统给出两三个医生推荐并写明推荐理由；也可以进入医生主页查看接诊要求，再与 AI 对话提交病情信息。提交后由 AI 帮助医生收集病历、检查单与预期时间，做初步的双向匹配，随后 AI 初审、医生线上人工二次审核，通过后患者拿到具体日期的号源，到线下走医院加号流程。
这个设计把 AI 放在了诊前最费时的一段，信息收集与匹配。对医院和医生来说，这意味着患者到达诊室之前，已经带着一份结构化病情描述；对患者来说，决策发生在搜索框里，而不是挂号窗口。当决策入口前移到 AI 回答，医院与医生在回答里被如何描述、被哪条页面支撑，就变成了实实在在的分诊结果。
医生信息在AI回答里为什么难被引用
医疗信息是 AI 回答里最谨慎的一类，平台会优先选择可核验、时效新、来源明确的页面。问题在于多数医院和医生的公开信息并不具备这些特征，科室介绍停留在泛泛的擅长方向，医生主页缺少出诊时间与接诊要求，专家介绍页几年不更新。这类内容即便被检索到，也很难成为引用来源。
相比之下，好医榜、好医评这类结构化产品反而更容易被引用，因为它们把医生的擅长方向、患者评价、接诊规则拆成了字段。字段化的信息对 AI 友好，AI 需要的是可提取的事实，而不是形容词。医院若想让自己的专家出现在回答里，第一步不是写更多宣传稿，而是把医生信息做成可提取的结构。
| 问题层级 | 典型问法 | 主要引用来源 | 核验重点 |
|---|---|---|---|
| 症状层 | 某症状该看什么科 | 医院官网科室介绍 | 科室范围是否最新 |
| 科室层 | 某院某科室怎么样 | 平台结构化产品与行业媒体 | 数据口径是否可查 |
| 医生层 | 某位医生擅长什么 | 医生主页与官方公众号 | 出诊时间是否更新 |
| 流程层 | 怎么加号怎么挂号 | 平台规则页 | 规则是否与现场一致 |
引用来源要分层 医院医生平台各不同
核验就医类引用来源，可以分三层。第一层是医院官网与卫健委、医院官方公众号，属于一手披露，可作为事实依据。第二层是平台结构化产品与行业媒体，提供对比与解释。第三层是患者社区与问答，只能作为体验参考。三层混在一起统计，就会把患者情绪误当成事实依据，得出错误的可见度结论。
时效比排名更重要
医疗信息的半衰期很短，出诊时间、号源规则、停诊通知都会变。AI 回答如果引用了一条半年前的页面，给出的可能就是错的。监测时要把页面更新时间作为独立指标，与可见度并列看。一个被引用很多但长期不更新的页面，风险高于一个引用少但持续维护的页面。
监测可以按四个字段落地
这四个字段的作用是把医疗可见度从印象变成记录。问题层级决定观测位置，引用来源层级决定证据强度，页面更新时间决定信息是否可信，复测周期决定能不能看出趋势。填满之后，医院能说清自己是在哪些问题上被 AI 提到、凭什么被提到、依据的页面是否还站得住。
常见问题
医院和医生也需要做AI搜索可见度吗？
需要，而且比消费品更依赖信源质量。患者问某个病该找哪个专家时，AI回答里出现的医院名、医生名和依据的页面，直接决定他去哪挂号。医院官网、科室介绍、医生主页如果没有结构化的可引用内容，AI就只能引用第三方转述。
AI回答里的就医信息，最该核验什么？
三件事，来源是否为一手、时间是否够新、表述是否被完整引用。医疗信息的时效性极强，出诊时间、号源规则、擅长方向都会变，被引用的页面若半年未更新，AI给出的答案就可能误导患者。
问题库在医疗场景怎么设？
按症状层、科室层、医生层三层设问。症状层问某个症状该看什么科，科室层问某家医院某科室怎么样，医生层问某位医生擅长什么。三层问题分别对应不同的引用来源，分开监测才能看出缺口在哪一层。
竞品对比在医疗场景适用吗？
适用但要谨慎。医院之间不适合直接比较优劣，可以比较的是可及性，比如号源获取方式、平均等待时间、覆盖科室。监测同框率的意义在于看患者比较时是否会把你列入候选，而不是评判谁更好。
