AI 能力与智能体

把人工智能落到公共卫生与检验检测的具体业务环节:知识结构化、规则可配置、过程可验证、智能体驱动。

知识结构化规则可配置过程可验证智能体驱动
AI 能力

在公共卫生领域,AI 的价值在于把"重复判断"变成"可复用的规则"

公共卫生与检验检测业务中,大量工作本质上是有明确依据的重复判断:异常指标是否触发预警、质控数据是否失控、检测结果是否超过限值、等保条款是否符合要求、报告该填入哪些统计值。这些判断有标准、有依据、可复现,因此特别适合交给系统固化下来,让人专注于需要经验与判断力的部分。

荣信微安的 AI 能力不做泛化概念,而是围绕这条思路展开:把分散在文件与个人经验中的专业知识结构化为知识库,把判断依据固化为可配置的规则,再用智能体把这些能力嵌入用户的实际工作流程。

技术路径

四个环节,把领域知识变成可用能力

知识结构化

把分散在监测方案、标准文件、规范条款中的专业内容,拆解为结构化条目。例如把等级保护条款拆解为可执行的检查项,把艾滋病防治知识拆解为可检索的知识条目。

规则可配置

把判断依据从代码中抽离,改为配置化管理。Westgard 质控规则、预警阈值、评分口径、审批流程都可配置,业务变化时不需要修改程序。

过程可验证

新规则上线前可以先对历史数据回溯试算,评估误报与漏报水平;规则调整形成版本记录并支持灰度发布,避免"改完才发现问题"。

智能体驱动

以智能体方式驱动工作流:按检查项推进执行、结合现场情况辅助生成问题描述、自动汇总报告,把一次专业检查贯通为一个可追溯的流程。

代表产品

系统安全检查校验智能体

这是荣信微安把智能体能力落地到专业检查场景的代表产品,以网络安全等级保护核查为切入点。

V1.1 · AI 智能体

以智能体方式承载等保条款知识库,把"逐条对表 + 写报告"交给 AI

面向网络安全等级保护核查与行业网络安全检查工作,解决长期以来检查靠人工逐条对表、问题描述凭经验书写、整改后无人复核、报告靠 Word 反复拼凑、历年问题无法复用等突出问题,把一次检查从任务下达、条款对表、现场取证、问题定性、整改复核到报告出具贯通为一个智能体工作流。

  • 检查任务管理——登记等级保护检查任务的检查依据、被检系统与等保级别、检查范围、被检单位、检查组长与检查人员,以及计划开始与结束时间。任务按草稿、待审批、检查中、已出报告、已归档五个状态流转,第三级系统全项检查的现场工期不少于 5 个工作日,检查人员不少于 3 人。
  • 等保条款知识库——登记《网络安全等级保护基本要求》与《网络安全等级保护测评要求》等标准的条款编号、条款名称、标准层面、适用级别、要求原文、条款解释、核查方法、判定标准与常见问题。条款按草稿、待审核、已发布、修订中四个状态管理,只有已发布条款才能被检查项引用并用于现场判定。
  • 检查项库——维护可现场执行的检查项,每条检查项绑定已发布的等保条款,明确所属层面、检查方式、适用对象、检查项描述、判定标准、风险权重、分值权重、取证要求与不适用情形。检查项按草稿、待审核、已启用、已停用管理,高风险权重检查项的分值权重不得低于 4 分。
  • 核查执行——记录每个检查项在现场的核查情况与判定结论。核查结果包含检查任务、检查项、检查方式、核查日期、核查人、使用工具、判定结论、证据材料与现场情况描述。判定为不符合或部分符合时必须填写现场情况描述,采用工具扫描或渗透测试方式时必须填写工具名称与版本。
  • 问题项与风险分级——管理核查发现的问题项,登记问题项标题、涉及系统、对应层面、问题类型、风险等级、发现日期、问题描述、判定依据、整改建议与整改期限。问题项按草稿、待确认、已确认、整改中、待复核、已闭环、风险接受管理,标记风险接受的问题项须说明补偿措施。
  • 整改通知单——根据已确认的问题项生成整改通知单,登记被检单位、涉及系统、下发日期、整改期限、紧急程度、下发方式、接收人、整改要求、需提交材料与通知单状态。整改期限自下发之日起至少预留 3 天,高风险问题项紧急程度只能为严重或紧急。
  • 整改反馈材料——被检单位针对整改通知单提交整改情况说明与证明材料。反馈包含对应通知单、反馈单位、反馈日期、整改措施类型、整改措施说明、证明材料清单、附件数量、材料齐全性、提交人与反馈状态。提交反馈时附件数量至少 1 份,整改措施说明须写明实施时间、内容与实施人。
  • 复核与复测——记录整改完成后的复核与复测过程,登记关联问题项、涉及系统、复核日期、复核人、复核方式、复核结论、复测得分、验证情况、未通过原因与再次下发日期。复核结论为通过时复测得分不得低于 90 分,基本通过不得低于 80 分,不通过的问题项须重新下发整改通知。
系统安全检查校验智能体检查工作台界面

检查工作台

检查任务、核查执行与整改复核总体情况。

AI 能力的承载方式

智能体不是孤立的,它需要底座与数据支撑

AI 能力要真正用起来,依赖统一的数据标准与公共能力。这也是我们建设疾控信息化应用统一管理底座平台的原因。

疾控信息化应用统一管理底座平台

V1.5

面向市级疾控中心与全市疾控、公共卫生机构的信息化管理工作,解决长期存在的公共能力重复建设问题。过去各业务应用分别建设账号体系、各自维护疾病分类与机构字典、接口调用没有台账、出现故障时难以定位责任环节,信息系统建设投入难以沉淀为可复用的公共资产。

  • 数据元标准——统一疾病分类、机构字典等基础数据口径,让 AI 的判断依据不因系统而异
  • 接口服务与订阅——接口调用有台账,故障可定位,AI 能力可作为服务被各业务系统复用
  • 统一身份与权限——数据权限在底座层统一控制,避免智能体越权访问
查看底座平台详情

我们对 AI 的判断

在公共卫生与检验检测领域,AI 最现实的价值不是替代专业判断,而是把人从重复性的比对、拼表、翻档中解放出来,同时让判断依据变得可追溯、可复核。因此我们更关注三件事:知识是否结构化、规则是否可配置、过程是否可追溯。

常见问题

关于 AI 能力与智能体

荣信微安的"AI 智能体"具体指什么?

指把专业知识结构化为知识库、把判断依据固化为可配置规则,并以智能体方式驱动完整工作流的能力。代表产品是系统安全检查校验智能体:它把等级保护条款沉淀为结构化知识库,拆解为可执行检查项,结合现场取证辅助生成问题描述,驱动整改复核闭环,最后自动汇总检查报告。

这些 AI 能力和通用大模型有什么区别?

通用大模型擅长语言理解与生成,但公共卫生与检验检测业务需要的是有明确依据、结果可复核的判断。我们的做法是把领域知识结构化、把规则配置化,让判断结果可追溯到具体条款、阈值或标准,而不是依赖模型的自由生成。大模型能力可以在理解与生成环节发挥作用,但判断依据始终来自结构化的领域知识。

AI 能力会收集或外传我们的业务数据吗?

产品支持本地化部署与私有化部署,系统运行在贵单位自有的服务器环境中,业务数据保留在贵单位内网。具体的数据处理方式与部署架构可在实施阶段根据本单位的网络与保密管理要求确定。

哪些产品已经具备 AI 能力?

目前系统安全检查校验智能体是直接以智能体形态设计的产品;传染病监测预警规则管理系统具备规则版本化、回溯试算与灰度发布能力;传染病监测分析报告生成系统具备报告模板化生成与数据质量前置核查能力;实验过程质控管理系统具备质控规则自动判读能力;疾控信息化应用统一管理底座平台为上述能力提供统一的数据标准与接口服务支撑。

预约产品演示

想了解 AI 能力在贵单位能怎么用?

把贵单位当前最耗人力的判断类工作告诉我们,我们帮您评估哪些可以固化为规则或知识库,以及投入产出比如何。

官方网站
公司地址
成都高新区天益街38号1栋3楼