现在AI圈有个怪现象一谈起AI就是一群所谓的专家在贩卖焦虑“AI时代来了不能被时代抛弃”“五分钟搞懂XXX”。谈的都是在天上飞着的概念真正的扎扎实实落地的应用却非常稀少。我是医院信息科的一个老码农。我不谈风口不谈趋势我只谈一件事怎么用一顿饭的钱给一个跑了十几年的全国用户超450家医院的老系统装上AI模块让AI应用落地让老系统老树发新芽。以下是我的实战记录。没有PPT只有一个老码农在新时代摸索的经历。前言AI本身是投入的无底洞费用动则就是百万、千万级别。但不论是大环境的经济增速放缓还是医疗环境的医保控制力度加大这都不得不让医院都要严控每一笔预算。因此预算的极度紧张和AI迫切需要投入成为目前困扰医院AI信息化落地的一大难题。所以这个百元预算的十几年的老系统AI 语音录入模块算是我对这个痛点的一个思考和解答。我十几年前用WinForm WCF 写了一个科研病例录入系统。医生用它录入科研病例数据界面是动态表单UI字段从本地ACCESS数据库读取控件通过反射生成得益于负责项目的主任大力推广现在全国超450家医院使用。这套系统很灵活但有一个硬伤录入速度慢。十几年前面对全国各地医院他们都有各种不同版本的HIS系统所以只能选择让录入者照着本地医院的his系统一个字一个字的敲到科研录入系统里来我能做的就是能下拉的尽量不手写能勾选的尽量不下拉。录入者每天面对几十个字段下拉框、文本框、单选按钮一个一个点。科研数据录入成了体力活。录入者抱怨了很多年但换系统是不可能的——这套系统承载了十几年的数据涌现了很多重要的科研成果伴随了好几届博士的毕业推倒重来的成本和风险谁也担不起。直到今年6月份我开始尝试用AI 给它加上语音录入功能。预算初步控制在百元内一顿豪华晚餐的价格。改造范围不动老代码核心架构尽量少的动代码以最小的预算解决目前系统最核心的痛点。目标录入者对着手机说一段话数据自动填进系统。这篇文章记录整个过程希望能给同样被困在老系统里的同行一些启发。关于数据安全的思考医疗行业的安全数据是国家对于数据安全管控的重点行业安全的问题解决不了后面的一切都是零。针对我这个项目的分析如下1.本系统原本就是在外网运行的CS架构系统。WinformWCF。这个架构可能很多工程师会嗤之以鼻觉得CS架构太老土部署太麻烦。但是针对我个人来说我还真的要感谢这种现在已经不流行的CS架构。目前以医疗机构的名义申请域名是要求医院一把手书记负责制的当这个带着域名的网站被公布到公网之后就一定会遭受各方面的攻击网站被黑了被DDos了上不去了信息口的主任坐不住网站被黑了被挂上黄色链接了整个医院颜面尽失网站被黑了挂上政治错误信息了可能医院一把手都要换人了。当然医院可以加安全设备做安全防护上三级等保让安全公司定期巡查等。这些确实可以提高网站的安全性。但是性价比却没了。就我目前负责的这个项目而言我个人运营了十余年医院没花一分钱的维护费。大家试想一下如果这个项目不是CS架构而是BS架构的就需要买安全设备、定期做三级等保、请外部安全公司做巡检这十年将会是一笔多么巨大的投入。多说一句其实大概在五六年前我就做出过一个BS版本的可以兼容PC和手机运行的录入网站就是因为域名的事最终没上线2.患者的敏感信息都集中在个人信息部分这部分我并没有加入AI录入杜绝安全隐患。录入的绝大部分占比是患者的治疗信息我只做了这部分的AI语音录入。3.目前我的方式是录入文字格式化这个只需要一个小模型就能完成如果再考虑的极限一些可以在院内搭一个小模型就可以实现完全数据医院内部运行不上云端。关于语音模块的选型最便宜的语音识别方案是什么讯飞API百度API各种API它们都要钱而且按调用量计费对于我想极致控制预算来说长期成本不可忽视。所以我选择了微信【奸笑】。有人说这太土了。对就是土。但我的原则很简单能用免费的绝不花钱能用现成的绝不自己造。AI落地最重要的不是应用的技术多牛而是要根据实际情况考虑性价比。微信的语音转文字功能是免费的而且识别准确率非常高得益于腾讯多年的积累。每个人的手机上都有微信不需要额外安装任何App。具体做法录入者在微信里给自己发一条语音消息描述科研数据。PC端通过微信把语音转成文字微信自带的功能录入者把这段文字复制出来粘贴到AI模块的录入框中。大家早已习惯微信沟通这个操作几乎没有学习成本。并且系统本身就是winform的CS系统录入者用PC录入语音可能并没有手机微信这样方便。现在录入者可以直接去病房对着本院的his系统一段一段的说话记录到微信里。回家或者需要录入的时候再打开PC微信端把刚刚的语音转成文字录入系统此AI模块不仅成本低还提高了系统的灵活性。如何具体设计AI模块我的目标是减少原本架构的改动所以专门加了一个Python 服务做桥接。老系统是WinForm WCF 服务的两层架构。我不能动它的核心代码在WCF的后端又加一个Python 服务作为“AI 桥接层”。这个Python 服务的职责只有一个接收录入者粘贴的文字调用AI 解析成结构化JSON然后通过WCF 服务写入老系统。架构变成了这样Python 桥接服务本身只有几十行代码核心逻辑是python# 接收文字text request.form[text]# 调用 AI 解析prompt 你是科研数据录入助手。请将以下医生口述内容解析为结构化JSON。字段列表示例诊断、检查日期、白细胞、红细胞、血小板、吸烟史、饮酒史。输出格式{{field_name: value}}口述内容{text}response call_deepseek(prompt)# 解析 JSONdata json.loads(response)# 通过 WCF 接口写入老系统wcf_client.write_data(data)这个服务跑和WCF服务放在一台服务器上几乎没有额外开销不需要GPU不需要高性能硬件。很多人以为AI 是“智能”的能理解一切。但在实际落地中AI 的角色越简单系统越稳定。我没让AI看病没让它推理没让它生成任何新东西。它只做一件事把语音“白细胞6.2”变成json {白细胞: 6.2}。老系统拿到这个JSON通过WCF 接口直接写入数据库。整个过程不需要改动老系统的一行核心代码。关于AIvibe coding进入深水区的困难。随着开发的进行项目的进度越来越慢。这里我学到了一个新词叫AI氛围编程的“长尾效应”即AI vibe coding中90%的功能会占用10%的时间解决剩下10%的问题却要占到90%的时间。因为本身剩下的10%可能就是AI不好处理的而且随着AI上下文超长之后会丢失上下文随之出现各种问题。最后10%真的太熬人AI顾头不顾腚的反复在同一个问题上出错我甚至都想直接上手不进行vibe coding了。最终经过反复的折磨根据自己的以往开发经验帮助AI改正错误调整思路。这块我的经验就是要给AI尽可能详细的约束和提示尽量让它按照你制定的思路和规则去开发这样能减少问题的发生。不过相信随着AI的快速发展这类问题应该会被越来越好的解决。最终效果改造成本为一顿豪华晚餐微信语音转文字免费Python 服务跑在WCF服务器上无成本。DeepSeek API 按照目前的deepseekv4 flash版本计算100 元API费用 ≈ AI语音录入1.5万-2 万患者。因为血友病是罕见病十年录入的患者才6万多例所以一百元的API能用很久录入者录入效率提升3-5 倍以前手动填20 个字段需要5 分钟现在语音描述1 分钟搞定使用者满意度大幅提升终于不用每天点几百次鼠标了总结文章到这里就结束了。我做这件事不是为了证明AI有多强。AI很强不需要我证明。我是想证明在资源极度受限的情况下依然可以把AI应用落地。不需要百万预算不需要顶级团队不需要推倒重来。只需要一个愿意思考且有动手能力的人。这套方法论不仅适用于科研录入系统也适用于任何遗留系统的AI 改造。如果你也在医院信息科如果你也有一套十几年历史的老系统希望这个案例能给你一些启发。2026 年7月
