专问（ProAdvisor）：行业定制化AI专业顾问

📌 Summary

ProAdvisor is an industry-customizable AI consultant for professional advisory workflows where specialist time is scarce and decisions are high-impact.

• Pilot deployment: high-value medical aesthetics services in China.
• Planned verticals: education advising, legal triage, and other expert-heavy service workflows worldwide.

In the current medical aesthetics scenario, ProAdvisor supports two core flows:

• Out-of-clinic concierge: an AI front desk that engages clients online, captures needs and key constraints, guides appointment booking, and produces a structured intake summary for handoff to the clinic team.
• In-clinic advisor: a consultant-side tool that inherits prior records, guides photo and context collection, drafts structured discussion points, surfaces relevant cases, and generates a concise pre-specialist brief.

🧩 1. 产品总览

专问（ProAdvisor）是一款面向专业服务团队的顾问产品，由流程引擎驱动，将资深顾问的方法沉淀为：可配置的对话流程、可插拔的行业知识组件、合规与风险边界、以及专家交接与协同机制。它支持从用户接待到专家协同的全链路交付，并持续沉淀可复用的行业咨询资产。

它将咨询服务产品化为可交付的能力模块，沉淀为三类核心能力：

• 需求结构化：将自然语言咨询转化为结构化需求画像，明确目标、约束与风险偏好，提升初筛效率与信息完整度。
• 方案生成与风险提示：将需求画像与行业知识组件结合，输出结构化方案要点与风险提示，提升建议质量与沟通一致性。
• 专家交接与路由：将对话上下文压缩为专家可直接使用的前置小结，完成专家路由与交接，释放专家时间并提升协作效率。

1.1 行业可扩展性

专问的可扩展性来自两类标准化能力，将咨询服务沉淀为可在不同行业复用并规模化部署的产品形态。

• 行业模板包
  • 将咨询链条抽象为可配置的流程节点、话术与交付物规范
  • 帮助团队在接待、初筛、记录与流转中执行统一标准，持续沉淀可复用的行业资产
• 机构部署方案
  • 提供可配置的权限体系、审计留痕与风险边界能力
  • 支持从小规模试点到多门店、多业务线的统一部署，满足可追溯、可运营的管理要求

专问优先聚焦专家时间稀缺、决策门槛高、合规要求强的咨询场景，当前重点扩展方向为：

• 医疗美容
• 教育升学规划
• 法律合规咨询

💡 医疗美容已完成落地验证，形成可复制的行业模板包与部署方法，为后续在其他同类高客单咨询场景中的复制提供基础。

🏥 2. 首个落地场景：医疗美容

当前版本围绕高客单咨询链条设计，覆盖从院外接待到院内承接再到专家面诊的闭环链路，目标是减少漏单与重复沟通、提升到院转化与跟进效率，并缩短专家决策时间。

2.1 院外版：智能接待台

院外版以客户自助为主，客服兜底介入。覆盖四个关键环节：

• 友好对话接待
  • 以友好对话完成欢迎与基础介绍
  • 统一服务口径，降低沟通门槛，提升信任感

图1：欢迎与引导界面，完成对话式接待与基础信息介绍
Fig 1: Welcome and guidance UI for conversational intake and basic introduction

• 诉求与约束条件结构化采集
  • 主诉与期望改善点
  • 预算范围
  • 恢复期与风险偏好
  • 既往相关史与注意事项

图2：多轮提问采集主诉、预算与关键约束条件，形成结构化信息
Fig 2: Multi-turn intake to capture concerns, budget, and constraints in a structured profile

• 预约登记与建档
  • 确认到院时间区间与意向门店
  • 采集联系方式与沟通偏好
  • 生成预约意向与基础档案，便于持续跟进

图3：预约登记与建档界面，记录到院时间、门店与联系方式等信息
Fig 3: Booking and profiling UI capturing visit window, location, and contact details

• 自动生成初步沟通记录并流转
  • 结构化汇总关键信息与项目方向
  • 记录到诊意愿、时间窗口与联系方式
  • 一键推送至院内顾问工作台，支持后续深聊与转化

图4：自动生成初步沟通记录，用于院外到院内的接力沟通与跟进
Fig 4: Auto-generated preliminary record for handoff and follow-up

院外版以客户自助完成接待、诉求采集与预约建档为主，人工客服仅在卡点时兜底介入。

2.2 院内版：资深顾问助手

院外版依然以客户自助为主，人工顾问兜底介入。覆盖五个关键环节：

• 承接院外资料，从重点问题切入
  • 自动接入院外沟通小结与预约信息，避免重复采集。

图5：顾问工作台汇总院外沟通记录与预约信息，支持从关键问题切入
Fig 5: Consultant workspace summarizes the out-of-clinic record and booking details for a focused start

• 引导补充资料，生成方案讨论要点
  • 支持上传客户资料图片与补充信息，基于资料与主诉生成结构化讨论要点，便于解释方案与风险边界。

图6：上传资料后生成初步讨论要点，辅助院内沟通与解释
Fig 6: After uploading materials, the system drafts structured talking points for consultation

• 展示相似案例，辅助预期管理
  • 基于主诉与特征检索相似案例，支持对齐效果预期与可行范围，并便于说明差异点与风险提示。

图7：基于主诉与特征检索相似案例，用于预期对齐
Fig 7: Retrieve similar cases to support expectation alignment

• 生成专家前置小结
  • 自动汇总用户关心点、已讨论方向、偏好与关键风险提示要点，输出结构化小结，减少信息遗漏，提升专家接诊效率。

图8：根据沟通内容自动生成专家前置小结，突出关键信息
Fig 8: Auto-generate a pre-specialist brief highlighting the most critical information

• 专家对接与小结流转
  • 顾问选择专家与科室后，将前置小结与预约信息一并流转，支持专家直接进入关键决策与面诊环节，减少重复问答与信息回溯。

图9：选择专家与科室并流转前置小结与预约信息
Fig 9: Route the brief together with booking details to the right specialist

院内版以客户自助信息补全与材料提交为主，人工顾问仅在卡点时兜底介入。

2.3 专家端：关键决策确认

在当前设计中，专家端保持轻量接入，前置工作由顾问与系统协同完成：

• 顾问在院内沟通中补全关键信息，并完成初步解释与风险边界对齐
• 专问自动生成结构化专家前置小结，附带预约信息、关键约束与已讨论方向
• 专家面诊阶段聚焦于快速阅览小结，确认风险与偏好，完成方案精修与面诊执行

从专家视角，这意味着进入面诊环节的客户已完成关键前置信息收集与沟通，专家可把时间集中在关键决策与面诊执行。

🎥 3. 场景展示

• 院外版（Out-of-clinic scenario）

• 院内版（In-clinic scenario）

✨ 4. 核心能力

从产品体验和机构运营两个角度，可概括为：

4.1 产品层面的价值

• 「会听」需求结构化：将用户的口语化、模糊表达转化为结构化需求要素与关键约束，降低漏采与误解风险。
• 「会说」一致口径的解释型输出：按问题澄清，原因解释，可选方案，风险边界，下一步行动组织回复，提升沟通效率与服务一致性，减少反复追问与误解。
• 「会转接」边界控制与低成本交接：对超出边界的问题主动收敛，明确需专家判断，并自动生成可直接使用的交接小结，降低专家接手成本。
• 「可扩展」多模态与结构化信息接入：在信息来源明确的场景下，可接入图像与结构化信息作为辅助材料，提升上下文完整度（用于沟通与预筛，不替代专业诊断）。

4.2 机构层面的价值

• 咨询流程标准化与可复制：将经验型服务沉淀为流程与话术模板，支持跨人员、跨门店的一致交付。
• 转化链路可控与可追溯：关键节点信息结构化留存，减少漏单与信息断层，便于运营跟进与质量管理。
• 释放一线与专家时间：减少重复采集与重复解释，让顾问与专家集中精力处理高价值沟通与关键决策。

⚙️ 5. 技术架构

专问由流程引擎、大模型能力与行业知识库协同构成，面向可控的咨询交付流程。整体可拆为三层：

• 对话与流程引擎层
  • 负责对话状态管理与阶段切换
  • 控制提问、总结、解释、交接等关键节点的触发与顺序
  • 执行风险边界控制与升级策略，在需要时转交顾问与专家
• 大模型与表达层
  • 以通用大模型作为理解与生成基础
  • 通过提示工程与行业化适配，结合模板与检索，必要时进行轻量微调，确保输出结构化、可解释、可复用
  • 在表达清晰、风险边界与合规要求之间保持一致的生成策略
• 知识资产与机构配置层
  • 行业知识库：概念与服务项说明、适用条件与注意事项（或风险提示要点）等
  • 案例库：匿名化相似案例与对比材料，用于沟通与预期对齐
  • 机构配置：专家分工、科室与服务路径、可售服务项与预约规则等

此外，专问支持机构级权限体系、审计留痕与合规治理，便于规模化部署与运营管理。

📈 6. 商业运营

6.1 目标客户

• 高客单与高决策的专业服务团队：咨询链条长，专家时间稀缺，服务质量依赖经验与话术。
• 连锁与集团型机构：强调服务一致性与合规边界，希望将咨询流程沉淀为可复用的行业资产，并支持跨门店复制。

6.2 商业模式

• 机构订阅：按门店规模与角色席位分层，支持从试点到规模化部署。
• 行业模板包交付：交付可配置流程模板与行业知识库组件，支持快速落地与复制。
• 增值模块：合规审计、数据看板、专家协同等能力按需开通。
• 主推组合：机构订阅与行业模板包为基础，增值模块按机构需求扩展。

6.3 运营与增长打法

• 标杆机构试点：以试点验证闭环，沉淀可复用模板与交付方法。
• 标准化交付与培训体系：形成交付包与培训流程，缩短上线周期并降低交付成本。
• 渠道与生态联动：与渠道伙伴及行业组织联合获客与交付，形成稳定的获客与交付网络。

🧭 7. 未来方向

7.1 产品路线

• 做深机构级可交付能力：支持从试点到多门店、多业务线的统一部署。
• 强化安全与合规体系：覆盖权限管理、审计留痕、风险边界与可追溯。
• 建设行业模板库与知识组件：提升复制速度，降低行业落地成本。

7.2 规模化路径

• 以行业模板包与机构部署方案为核心资产，推动跨门店复制。
• 以服务一致性、交接效率与客户满意度为核心指标驱动扩张。
• 通过数据闭环持续迭代话术、流程与风险边界。

7.3 生态合作

• 渠道伙伴与行业组织协同：形成获客与交付联动。
• 打通数据与工具链：构建可持续迭代的咨询运营闭环。

✉️ 8. 联系方式

如果你是：

• 医疗美容机构或连锁专业服务团队，希望用 AI 提升咨询效率与服务一致性
• 关注 AI 驱动专业服务数字化的投资人
• 对垂直行业 AI 顾问产品与行业模板包合作感兴趣的伙伴

欢迎联系，交流产品进展与合作机会。

👤 创始人

专问由陈昱妍博士创立并主导研发。陈博士于复旦大学获得计算机博士学位，现为美国康奈尔计算生物方向博士后研究员，长期聚焦大模型与 AI4Health 的技术创新与场景落地。相关成果发表于国际顶级会议与期刊，并获多项国家发明专利授权。

• 个人主页：Yukyin.github.io
• 邮箱：yolandachen0313@gmail.com