案例研究 · 个人项目 · 2026

银发经济下的 AI Agent 落地实践
基于 Qwen 8B 的私有化
智能血压管家复盘

在业余时间为患有高血压的长辈从零到一"手搓"了一套智能血压监测方案。利用 Claude/Manus 等 AI 工具打通「底层硬件协议 — 阿里云私有化大模型 — 多模态语音交互」的完整闭环，是一次兼具温情与技术硬度的 AI Medical Agent 落地实战。

💊 领域：银发健康 / Medical Agent 📱 平台：iOS App · 个人项目 🤖 模型：Qwen-8B 私有化部署

AI 产品经理个人项目 BLE 蓝牙直连 Qwen-8B 私有化 Dify Agent 编排 TTS / ASR 阿里云部署医疗合规

01 · 项目背景与核心痛点

数据有了，但没有被用起来

父母年过六旬，家里放了一台臂式血压计。他们每天测量，然后把数字手写进一个小本子里。每次问他们"最近血压怎么样"，得到的答案总是"还好吧，差不多"。

传统健康监测设备存在明显的「体验断层」——长辈能看到 140/90 的数字，但不知道这意味着什么，更不知道今天中午该吃什么、能不能出门散步。复诊时带着密密麻麻的小本子，医生只看了最近两次数据。

产品定位：充当长辈的「数字家庭全科医生」，将枯燥的客观医学数据，转化为包含情绪价值、饮食建议和运动策略的自然语言交互。中老年人不缺测量的习惯，缺的是「有人帮我读懂数据，告诉我接下来怎么做」。

数据冷漠，缺乏指导 能看到数字，但不知道 140/90 意味着什么，更不知道今天中午该吃什么、能不能出门散步。

交互门槛过高 复杂的 App 界面、密集的图表，对「银发族」极不友好。手动录入哪怕多一步，记录频率就会大幅下降。

缺乏主动健康管理闭环 测量是孤立的动作，数据没有形成趋势、没有触发行动建议、没有在异常时提醒家人。

02 · 业务逻辑与全栈技术架构

四层架构，跨越协议与平台的数据孤岛

端云结合 · 四层系统架构

感知层 · 硬件直连，保障数据主权

放弃受限的第三方云端接口，采用蓝牙协议与 UUID 协议直接监听血压仪的设备广播。数据抓取运行在本地，确保数据绝对控制权和极低延迟。

BLE 蓝牙直连 UUID 协议解析本地数据主权零延迟读取

↓

数据中枢层 · 低代码构建流转链路

利用 Claude/Manus 自动生成 Python/Node.js 后端服务，部署在阿里云。中间件负责解析蓝牙数据流，并对历史数据进行时序聚合，生成 7 天健康周报所需的统计摘要。

阿里云部署 Python / Node.js 时序数据聚合 7 天周报生成

↓

大脑引擎层 · 私有化部署保安全

医疗数据高度敏感，选用通义千问（Qwen-8B）开源模型在阿里云进行私有化部署。既切断了数据出境/泄露的合规风险，又大幅压降了长期运行的 API Token 成本。

Qwen-8B 私有化数据不出境合规安全低 Token 成本

↓

多模态交互层 · 零门槛的适老体验

支持单次实时解读与 7 天周报双模式。前端采用极简大字号、高对比度设计。打通 TTS（语音合成）与 ASR（语音识别），长辈只需点击「播放」，不仅能听报告，还能通过语音追问生活细节。

TTS 语音播报 ASR 语音识别极简适老 UI 实时 + 周报双模式

低代码杠杆：这套系统虽然没有一行底层代码是我亲手敲的，但我利用 Claude/Manus 等 AI 工具完成了全部技术实现。这本身也是对「AI 产品经理如何用 AI 工具为自己加杠杆」命题的一次验证。

03 · Prompt Engineering 与业务安全阀

医疗 YMYL 领域，Prompt 就是产品的安全边界

🎯 极致结构化的 System Prompt

将《中国高血压防治指南》作为「外挂规则引擎」直接写入 Prompt，让模型基于硬性指标进行分析，而非自我猜想。

System Prompt 核心结构（节选）

# Role
你是一位极具亲和力的社区全科医生。你专门为"银发经济"智能硬件产品
提供高质量、有温度、高度拟人化的健康数据解读。

# Task
用户会发来一组包含年龄、身高、体重、血压的个人健康数据。请你直接给出
具备"人文关怀"和"医学兜底"的大白话解读。
只需针对这一位用户进行一对一回复，绝不允许生成表格或批量数据。

# ⚠️ 核心要求（语气与风格）
1. 开场白必须亲切自然：像拉家常一样
   例："奶奶，今天气色不错吧？您的指标出来了…"
   例："哟，老人家，今天这血压控制得可真漂亮！"
2. 语言风格：多用口语化词汇
   （如：瞅瞅、瞧瞧、挺棒、当心点、稍微偏高一丢丢）

# 医学判定逻辑（依据《中国高血压防治指南》）
血压判定标准 (mmHg)：
  正常：      高压 < 120  且  低压 < 80
  正常高值：  高压 120-139 或  低压 80-89   ← 预警
  1级高血压： 高压 140-159 或  低压 90-99
  2级及以上： 高压 ≥ 160   或  低压 ≥ 100  ← 高危
BMI 判定：结合身高体重，给出偏瘦/正常/超重/肥胖判断。

# 回答结构（必须包含以下 4 点）
1. 充满人情味的亲切问候
2. 白话解读数据（结合血压和 BMI 综合分析）
3. 具体的生活饮食/行动建议（如：少吃半勺盐、出门慢点起）
4. 医学兜底（强制）

# Safety Guardrails
常规情况结尾必须加："这些建议仅供参考，身体不舒服一定要听大夫的哈。"

如果 高压 ≥ 160 或 低压 ≥ 100（高危）：
  → 开头强制加粗警示：
    "老人家，这血压太高了不能硬抗，请赶紧给孩子打电话，
     现在就上医院检查一下！"
  → 禁止生成饮食/运动建议（避免延误就医）

幻觉控制原则：纯 LLM 生成的健康描述容易出现时间估算偏差或疾病倾向推断。最终方案：LLM 输入严格限定为「数值 + 趋势统计 + 用户自填信息」，禁止任何诊断性推断，输出经模板化约束 + 50 条典型 case 人工评审后才上线。

04 · 产品界面

极简设计，降低认知负担

05 · 产品演示

实机运行演示

蓝牙读数 → AI 解读 → 语音播报全流程演示

06 · 跨界迁移思考

To B 客服 Agent 与 IoT Medical Agent 的底层同构

在跨境电商场景中，我负责构建 WISMO 智能客服 Agent，核心手段是利用第三方 API 串联 Shopify 订单与物流轨迹，破解平台间的数据孤岛。

在家庭血压助手中，我是在利用蓝牙和自动化脚本，破解硬件设备与健康大模型之间的孤岛。

场景从 B 端变成了 C 端 / IoT，但 AI 产品经理「利用大模型重构业务流与信息流」的核心能力壁垒是完全一致的。

维度	WISMO 客服 Agent	血压管家 Medical Agent
核心问题	跨平台数据孤岛	硬件 + 模型数据孤岛
数据接入方式	物流 API + RAG 知识库	BLE 直连 + 时序聚合
安全阀设计	意图路由 + 人工升级	阈值分支 + 短信报警
合规核心	防幻觉 + 品牌语气约束	医疗红线 + 数据不出境

未来展望：随着「银发经济」的爆发，兼具「功能性（数据监测）+ 陪伴性（多模态对话）+ 隐私合规（私有化部署）」的 Medical Agent，将成为智能康养赛道极具商业潜力的标准解法。这个个人项目，是我对这一赛道最直接的探索。

银发经济下的 AI Agent 落地实践基于 Qwen 8B 的私有化智能血压管家复盘

数据有了，但没有被用起来

四层架构，跨越协议与平台的数据孤岛

医疗 YMYL 领域，Prompt 就是产品的安全边界

🎯 极致结构化的 System Prompt

极简设计，降低认知负担

实机运行演示

To B 客服 Agent 与 IoT Medical Agent 的底层同构

银发经济下的 AI Agent 落地实践
基于 Qwen 8B 的私有化
智能血压管家复盘