Coze搭了个医学检验报告分析师

先说说这个场景——生病时医生开一堆化验单，检测结果出来了，你也只能等着医生逐项解读。其实，这个需求非常普遍，而Coze平台上正好可以利用OCR插件，搭建一个能看懂化验单的Bot。下面就拿一个医学检验报告分析助手当例子，手把手走一遍搭建流程。

注意：本文侧重于“OCR识别+分析”这个组合能力的运用，掌握了这个思路，其他需要识图分析和文字理解的场景都可以复用。

搭建实操教学

一：思路讲解

搭建Bot之前，先想清楚目标：这个助手要做的事情就是把纸质检验报告发过来，让它辅助解读。Coze和普通平台不同，它本身不具备精准的OCR能力，需要我们自己给它装上这个“眼睛”——也就是通过插件、工作流或图像流的方式，配合大模型的提示词，达到预期效果。

明确了目标，再来决定用哪种实现方式。Coze里主流的模式有单Agent LLM模式、单Agent工作流模式和多Agent模式。业界比较推荐的做法是单Agent LLM模式下挂载工作流，既能保持对话的连贯性，又方便对OCR和分析过程做精细控制。

创建工作流

工作流要完成两件事：第一，从图片里读出文字；第二，根据文字内容做分析。

• 读取文字 → 用OCR插件
• 内容分析 → 交给大模型

工作流配置

流程很简洁：开始节点 → 插件（OCR） → 大模型 → 结束节点。

插件（搜OCR）

OCR插件需要接收开始节点传过来的图片数据，直接在节点配置里引用开始节点的输出即可。

大模型节点

模型选择了智谱的GLM-4，处理中文医学文本的识别和理解表现比较稳定。提示词部分可以根据需要细化——比如要求模型先列出所有异常指标，再给出可能的临床含义，最后加上免责说明。

结束节点

配置好大模型节点的输出流转到结束节点，一个完整的OCR识别+分析工作流就成型了。

查看效果

实际测试一下，把一张检验报告截图扔进去，Bot能准确提取关键指标数值，并给出相对专业的解读。当然，医学场景需要严谨对待，这里的分析只供参考，不能替代医生诊断。

这个组合思路的价值在于：只要把“OCR识别”和“大模型分析”两个能力串起来，就能把任何纸质文档转化为可交互的服务。相信大家结合OCR能力，能创造出更多实用的场景。