Dr Vignesh Narayan R的皮肤 AI 助手：安全第一的皮肤科代理（使用 React + Algolia 构建）

Source: Dev.to

我构建的内容

我构建了 Dr Vignesh Narayan R 的皮肤 AI 助手——一个安全优先的皮肤科助理，旨在帮助患者在纷繁的护肤世界中导航。

该助理并非普通的“猜测”式聊天机器人，而是一个专业的医学分诊工具。它会综合三个关键数据点——皮肤类型、天气状况和病史——来推荐安全的护肤配方。

医疗责任特性

• 拒绝推荐具体商业品牌（以避免偏见）。
• 主动过滤对特定疾病禁用的成分（例如，用户有湿疹时，即使有痤疮，也会阻止推荐水杨酸）。
• 始终引导用户预约线下会诊，以获取处方强度的治疗方案。

演示

您可以在此尝试实时应用：

https://drvigneshnarayanrskinai.netlify.app/

注意：由于运行在免费实例上，请预留最多 60 秒让助理“唤醒”，并响应您的第一条信息。如果它保持沉默，可能是每日 API 测试配额已暂停——请稍后再试！

GitHub 仓库：

https://github.com/drvigneshnarayanr/drvigneshnarayanrskinai/

我如何使用 Algolia Agent Studio

我利用 Algolia Agent Studio 构建了一个 RAG（检索增强生成）工作流，使 AI 基于医学事实而非概率进行推理。

数据索引

创建了自定义数据集 (dermatology_rules.json)，其中包含临床护肤规则。数据不仅仅索引产品名称，而是以医学元数据结构化：

• formulation_type（例如 "Occlusive Ointment"）
• safe_for_conditions（例如 ["Psoriasis", "Atopic Dermatitis"]）
• contraindicated_for（例如 ["Acne Prone"]）

针对性提示与配置

配置了系统提示，强制执行“安全检查”逻辑：

“分析用户输入… 在你的知识库中搜索… 在推荐任何产品之前，检查其 contraindicated_for 字段。如果用户的病情出现在该字段中，你必须丢弃该结果。”

可搜索属性

将 Algolia 的可搜索属性设置为优先 safe_for_conditions 和 weather_suitability。这实现了语义过滤——即使用户使用口语，也能找到对应的医学规则。

为何快速检索很重要

在医疗和皮肤科领域，准确性是不可妥协的。标准的 LLM 可能会“幻觉”出听起来真实但含有刺激成分的产品。

通过使用 Algolia 的快速检索：

• 降低幻觉风险： 助理仅从检索到的上下文（精心策划的 JSON 文件）生成答案。如果安全答案不在索引中，助理会说“我不知道”，而不是捏造医学建议。
• 上下文速度： 用户可即时获得基于当前天气和皮肤状况的个性化建议。搜索索引在毫秒级将 100 多种可能性过滤至唯一最安全的选项，让 LLM 专注于撰写富有同理心的回复。

团队

Dr. Vignesh Narayan R – 皮肤科顾问 & 开发者。