从分散AI产品到共享Data & AI平台及Agent黄金路径的原创流程示意,非客户现场或产品截图
流程示意 · 非客户现场 / 非产品截图

外部公开案例,非衍谷交付

enterprise-doctolib-ai-factory-001 · 医疗与生命科学 · 深度案例|关键链路较完整

Doctolib · 从分散AI产品到共享Data & AI平台及Agent黄金路径

来源披露≠独立审计;编辑分析不等于客户确认。A级仅表示可定位到案例级来源,详细度不是成功评分。请先阅读下方字段分析边界;未公开细节不可当作已实施事实。

阅读主来源 ↗

字段分析边界

业务问题依据
平台负责人披露
解决方案
依据公开平台演进整理
技术工作流
公开的平台层及模板组件
FDE 行动(请结合分析边界)
依据演进过程归纳;未披露FDE岗位
结果(来源方披露)
企业负责人报告的内部实验量及一次beta周期

业务问题

Doctolib早期的数据、机器学习和工程平台彼此分散,AI产品团队各自建设评测、模型接入和Agent框架。前几个AI原生产品到生产环境需数个季度,业务团队在组装基础设施上耗时,产品能力跨团队复用低。

解决方案

Doctolib用一年多整合Data & AI平台,并按先评测、后模型治理、再框架标准化的顺序改造。共享评测与可观测平台让产品经理和领域专家参与实验;统一GenAI网关接入合规模型并支持故障回退;共同Agent框架和黄金路径模板预置记忆、评测、观测、模型访问及护栏,产品团队在此基础上开发具体业务逻辑。

技术工作流

  1. Data与ML平台合并为Data & AI平台,并与独立的Engineering平台协调部署体验
  2. 共享评测及可观测层连接实验与生产,产品经理和领域专家可参与
  3. GenAI网关集中管理合规模型选择、切换与供应商故障自动回退
  4. 共同Agent框架替代早期产品各自选型,降低重复维护
  5. 黄金路径模板集成记忆、观测、评测、模型访问和标准护栏
  6. 产品团队基于模板开发业务逻辑并负责线上质量和成本

技术组件

  1. Data & AI Platform
  2. 共享评测平台
  3. 生产可观测性
  4. GenAI网关
  5. 多模型故障回退
  6. 共同Agent框架
  7. 黄金路径Agent模板
  8. 标准护栏

人工责任与复核

产品团队对质量、成本及生产运行负责,领域专家和产品经理直接参与评测;平台团队维护共享网关、评测和标准框架。医疗场景的安全与质量仍需人工治理。文章也承认团队资产复用仍低,未来的交互式Agent Builder尚未完成。

FDE 行动(请结合分析边界)

  1. 盘点早期产品重复建设的评测、接入和部署工作
  2. 先建立共享评测与模型网关,再统一Agent框架
  3. 让产品经理及领域专家直接参与质量评估
  4. 把记忆、评测、观测、护栏预装进可复用模板
  5. 用一个团队的生产beta验证起步速度,同时跟踪后续复用缺口

结果(来源方披露)

Doctolib平台负责人称,团队现在每天运行数百次评测实验;早期AI原生产品从构想到生产用数个季度,而一次内部黑客松中的团队约3周将一个Agent产品以beta形式运行在生产环境。该例不能代表所有产品的平均交付时间,也未披露患者疗效、整体ROI或独立审计。

核验说明

  1. 约3周是一个黑客松团队进入生产beta的个例,不是所有AI产品交付周期。
  2. 数百次是每天的评测实验次数,不是生产产品数或用户数。
  3. Agent Builder及更高产品资产复用仍属后续计划,不能标记为已完成。
  4. 文章没有公开具体框架厂商、患者结局、成本节约总额或独立审计。

未公开 / 仍有缺口

未补充记录

可迁移方法

  1. 平台建设应按最能解锁产品交付的依赖顺序推进
  2. 统一网关和评测是多产品AI化的基础能力
  3. 黄金路径要提供可运行的起点,而不是只给文档规范
  4. 单个beta上线速度不能外推为全部产品的平均收益

来源账本

标题
From one AI product to an AI factory
发布方
Doctolib官方Medium频道
来源类型
企业负责人项目复盘
可定位性
案例级直接来源
结论披露方
Doctolib ML Platform负责人披露
已记录独立核验
否
源库查阅日期
2026-09-23

补充来源

未补充记录

证据说明

Doctolib ML Platform负责人在企业官方Medium频道发布项目复盘,披露平台能力、实验量与一次beta案例;数字属企业自述。

编辑摘要

Doctolib将各产品重复搭建的评测、模型接入、Agent框架和护栏沉淀为共享平台与黄金路径模板,公开了平台采用量、一次约三周beta实践以及尚未解决的复用问题。

详细度六维评分(各 0–2)

业务背景
2
改造流程
2
技术工作流
2
人机与治理
2
量化结果
2
来源可定位性
2

原始案例 ID

enterprise-doctolib-ai-factory-001

技术方案参考

是

来源分类

企业原始材料

企业 / 组织

Doctolib

行业

数字医疗/软件平台

一级行业

医疗与生命科学

业务场景

从分散AI产品到共享Data & AI平台及Agent黄金路径

FDE 标记

企业内部AI改造

FDE 关系

Doctolib内部平台团队建设;未披露FDE岗位

成熟度说明

共享平台已用于产品团队;黄金路径已验证beta

成熟度阶段

已上线

主来源

https://medium.com/doctolib/from-one-ai-product-to-an-ai-factory-e6337ffa75d9 ↗

证据等级

A

证据等级说明

A级|企业负责人项目复盘

详细度评分(满分 12)

12

详细度分组

deep

详细度说明

深度案例|关键链路较完整

编辑数据:guminghao-avi contributors,MIT。导入 2026-10-02;源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定,不构成衍谷效果承诺。

PROJECT BRIEF

整理你的企业需求

用几句话描述当前流程,生成一份可用于沟通的需求单。

提交后,信息将保存至本站并仅供衍谷管理者查看和联系你。请勿填写客户隐私、密码或业务机密。未提交草稿仅暂存在当前标签页会话,提交成功后清除本类草稿。

FDE / LEARNING LAB