项目背景
康复医疗服务通常不是一次性问诊，而是由患者资料、症状变化、理疗方案、训练执行和复诊复核共同组成。很多关键信息会分散在聊天记录、线下沟通和临时表格中，患者难以持续记录状态，医生也难以快速判断训练是否有效、风险是否升高。
这个小程序原型想把康复服务里的几件事放到一起：患者补资料和打卡，AI 做初步整理和风险提醒，医生保留最后复核和决策的位置。
产品目标
- 建立患者档案，记录基础信息、症状、既往治疗、康复目标和风险等级。
- 设计在线问诊资料袋，让用户在问诊前补齐起病时间、功能受限和治疗经历。
- 通过 AI 初筛输出结构化分诊结果，辅助医生理解用户状态。
- 用康复打卡记录疼痛评分、训练时长、任务完成数和主观状态。
- 基于近 7 天数据生成康复周报，并对高痛感、训练不足和连续异常状态进行提醒。
AI 在这里做什么
后端通过 Express 搭建 Kimi/Moonshot 代理，避免在小程序前端暴露 API Key。AI 助手支持流式回复，让用户在对话中补充症状和康复目标；当信息足够时，系统会解析结构化分诊 JSON，并把风险等级、训练建议、就医指征回写到首页与档案页。
这个流程的重点不是让 AI “像医生一样诊断”，而是让它承担资料整理、风险识别和复核前摘要的角色。所有高风险、低置信度、疑似急性损伤或症状加重的情况，都应该进入医生复核或线下就医提示。
随访机制
打卡模块围绕四类指标设计：疼痛评分、训练时长、任务完成数和主观状态。系统会根据疼痛升高、训练不足、高分疼痛和连续异常等规则生成风险提醒，并在周报中总结近 7 天趋势，帮助患者和医生看到训练执行与症状变化之间的关系。
复盘
医疗健康类 AI 产品最重要的是别越界。这个项目没有把 AI 设计成直接诊断工具，而是让它做问诊前资料整理、康复过程记录和风险提醒。相比“回答得像医生”，更重要的是把信息整理清楚，把异常及时交给医生。