Paper 107 ｜精準的知識分診：健康照護社群的社會化診斷機制與 RAG 路由

當使用者在系統中提出一個問題，系統該如何決定要把這個問題派給誰？或是該查閱哪份知識庫？這篇 2025 年發表的論文，透過醫療照護社群的場景，展示了極其精巧的**「路由與分診（Routing and Triage）」**機制設計。

• 參考資料與研究團隊
• 一、機制設計：社群網絡中的精準配對
• 二、應用場景轉換：從醫療分診到 Agent 的 RAG 路由

參考資料與研究團隊

• 論文名稱：A social diagnosis mechanism for healthcare knowledge sharing
• 出處：Journal of Information Science, 51(3), 720–743（2025, SSCI）
• 主要研究人員：Lin, Li & Lin (交大資管團隊)
• 同系列研究參考：A social mechanism for healthcare consulting recommendation (Information Systems, 2023)

一、機制設計：社群網絡中的精準配對

在線上健康照護社群中，病患或家屬常常充滿焦慮地提問，但海量的討論串與專家往往讓人無所適從。

這篇研究提出了一套「社會化診斷（Social Diagnosis）機制」：

1. 健康相似度（Health Similarity）：分析提問者的症狀描述，找出與其健康狀況最相似的歷史案例。
2. 可靠度與親密度（Reliability & Intimacy）：透過社群網絡分析，評估哪些專家或意見領袖最具備解答此類問題的權威性與互動熱忱。
3. 動態推薦：綜合上述指標，系統不只推薦相關的經驗討論串，更能直接將使用者導向（分診）最適合的諮詢專家。

二、應用場景轉換：從醫療分診到 Agent 的 RAG 路由

如果我們把場景從「醫療社群」換成「企業的 AI Agent 系統」，這套機制就是目前高階 RAG（Retrieval-Augmented Generation）架構中最核心的技術——意圖分流與路由（Semantic Routing）。

當企業員工對著內部 AI 助手發問時，系統可以借鏡這篇論文的機制：

• 健康相似度 ➡️ 語意相似度：使用者的問題進來後，先比對過往的歷史案例，判斷是屬於哪一類業務。是要找公司的 SOP，還是要找上一季的報價單？
• 推薦諮詢專家 ➡️ 呼叫對應的專業 Agent：如果問題牽涉到交期與物料，系統的路由機制就不該自己瞎掰，而是應該把這個任務「分診（Triage）」給【生管 Agent】或【採購 Agent】來處理。

藉由閱讀這篇論文，我們可以清楚看到：資訊系統中「把對的問題，在對的時間，交給對的人（或對的模型）」這項設計科學的核心精神，無論是在傳統的社群知識共享，還是最新的多代理人（Multi-Agent）架構中，都是一脈相承的。

免責聲明： 本文為論文閱讀與技術研究筆記，針對核心概念與延伸應用進行整理。詳細的實證模型、資料收集與量化分析方法，請務必參閱論文原文。