Dify + 企微表格，科研病例录入指南
目录
在临床科研中，最远的距离就是 病人就在眼前，符合入组标准，但 下班回家，数据还在医院电脑里。
每个做临床研究的医生都经历过这种场景：门诊看了几十个号，明明记得有两三个完美的随机对照试验对象，想着等会儿再记。结果一下班，疲惫的大脑自动格式化，别说病史细节，连病人叫啥都忘了。
科研进度因此一拖再拖。
找规培生或前台帮忙？他们不懂复杂的纳排标准，录进来的数据往往还是得自己返工。
今天，只谈一个极其落地的 随身科研助理 方案。
利用开源的 Dify 和 企业微信，我们能搭建一个这样的助手。你只需对着手机说一句：
“张三，男，45岁，二型糖尿病5年，最近脚趾有点麻……”
AI 会立刻判断， 符合入组标准，已自动录入企微表格。
技术原理
这套系统的核心逻辑在于 自动化数据清洗 与 企微在线表格 的完美结合。
- 输入端 医生在企业微信里发送语音（或使用手机版 Dify），直接描述病情，无需顾虑格式。
- 处理端 我们提前把科研方案的《纳排标准》作为知识库给模型，它会分析这段语音，智能判断患者是否合格。
- 执行端
- ✅ 符合：唤醒企业微信文档 API，将提取出的结构化数据（姓名、年龄、病程等），自动追加到云端表格。
- ❌ 不符合：直接回复医生排除原因，不进行录入操作。
实操教程
我们将使用 Dify 作为核心引擎。如果你没有服务器，可以使用 Dify 的云端版本；如果对数据极其敏感，建议在医院内网服务器部署 Docker 版。
第一步：企业微信智能表格
我们需要一个安全的地方存储数据。
1. 新建智能表格 登录企业微信电脑版，新建一个【智能表格】。
2. 设置列名
设置好你需要的字段，例如：姓名、年龄、诊断、关键指标、入组时间。
3. 获取关键参数（重点） 在表格右上角的设置里，找到 API 权限部分，获取以下两个核心 ID：
- DocID（文档 ID）
- SheetID（工作表 ID）
第二步：配置 Dify 插件
Dify 自带插件市场，我们需要安装能够 接收消息 和 写入表格 的插件。
1. 安装插件 在 Dify 的插件市场搜索并安装 企业微信/飞书多维表格 相关插件。
2. 配置鉴权 (注：自建应用需在企业微信后台获取 API 凭证) 在 Dify 的“工具”设置中，填入你的企微参数：
- CorpID：企业 ID。
- Secret：应用的凭证密钥（注意：必须在企微后台开启文档接口权限）。
第三步：编排 Dify 智能体
创建一个新的 Chatflow（对话工作流），将 AI 的思考过程可视化。
节点 1：LLM（纳排审核）
- System Prompt（人设）：
你是一位严格的临床科研助理。 任务：根据用户输入的病例描述，判断是否符合以下入组标准。 入组标准：
- 年龄 18-75 岁。
- 确诊 2 型糖尿病 > 3年。
- 无严重肾功能不全（肌酐 < 130）。 输出：如果符合，输出 JSON 格式的结构化数据；如果不符合，说明原因。
节点 2：条件判断（Condition）
- IF：LLM 输出包含“不符合”，直接回复原因。
- ELSE：LLM 输出包含结构化数据 ，进入下一节点。
节点 3：工具调用（写入表格）
- 选择工具：企业微信智能表格。
- DocID：填入第一步获取的 ID。
- Content：引用上一步 LLM 提取的 JSON 数据。
- 例如：
{{llm_result.name}}、{{llm_result.age}}
- 例如：
进阶玩法
这套系统不仅能录入数据，还能通过扩展实现更多功能：
- 智能随访提醒 在 Dify 里增加一个定时任务。当表格里的“入组时间”超过 30 天，自动给医生发一条企微消息：“张三该来复查了。”
- 多模态录入（OCR） 利用模型的视觉能力。医生不用说话，直接拍一张化验单发过去。AI 自动 OCR 识别关键数值（如 HbA1c），判断是否达标，并录入表格。
- 团队协作中心 如果你是课题组长，可以把这个应用发布给团队所有人。学生在分中心录入的数据，你坐在办公室的电脑前，实时就能看到汇总表在自动更新。
总结
科研的本质是数据，而数据的本质是积累。
很多时候，我们觉得科研难，不是因为没有好的 Idea，而是因为 执行成本太高，往往因为繁琐的操作而流失了大量宝贵的样本。
通过 Dify + 企业微信，我们用极其低廉的成本（几乎为零），搭建了一套 符合医生工作流 的数据采集系统。它不打扰你的临床工作，却能默默地为你积累出高质量的科研金矿。
