蚂蚁阿福 APP 以 AI 医生朋友的身份重新定义健康管理，从对话式医疗入口到智能体驱动的全流程服务，这款应用正在颠覆传统医疗产品的交互逻辑。它不仅通过人格化设计降低医疗决策压力，更借助阿里生态实现从咨询到就诊的完整闭环。本文将深度解析其创新设计如何重构用户与医疗服务的连接方式。

今天向大家分享一款最近刚推出的蚂蚁旗下的 AI 健康助手——蚂蚁阿福 APP ，希望你能从这篇产品体验分析中有所收获。如果你觉得我们的文章有价值，欢迎分享给你的朋友！

蚂蚁阿福是谁？

蚂蚁阿福是蚂蚁集团推出的 AI 健康管理应用，由原 AI 健康工具 AQ 升级而来。产品愿景是成为用户的 AI 医生朋友，提供健康咨询、图片解读（支持报告、病例、处方、药盒）、个人和家庭健康档案管理，以及预约挂号、云陪诊等医疗健康服务。

蚂蚁阿福有什么设计亮点？

对话式医疗入口：用 AI 重构交互方式

当你打开蚂蚁阿福 APP的第一刻，你会发现它像 ChatGPT、DeepSeek 一样，只有一个对话框。这正是 AI-UX 的典型表现形式——把「对话」作为核心入口，弱化传统的多层级导航，让用户用一句话就能触达预约、解读报告、症状咨询等多种服务。交互形式就像与医生聊天，而不是过去在 App 里找入口、找功能。

设计亮点

• 人格化的 AI 形象与语言：蚂蚁塑造了一个名叫阿福的卡通医生 IP 形象，降低医疗决策的心理压力，提升用户信任感。
• 关键词即体验起点：用户无需理解产品结构，输入健康关键词即可触发服务，显著降低使用门槛。
• 多智能体并行承载复杂场景：在传统菜单栏上方，不同智能体对应不同医疗流程，用户一次点击即可进入明确的任务流，避免对话发散。

体验思考

对话式AI交互和传统的菜单栏相比，用户的心智需要改变什么？

最近我对用“用户心智”这个知识点有了全新的理解。这得益于刚好在尝试全新交互的设计，而体验到阿福时，我尤其感同身受，因此重新思考了这个问题。

从交互方式上看，传统菜单栏要求用户预先了解功能位置和层级结构，通过”点击—浏览—选择”的路径完成任务。而对话式 AI 交互让用户从”寻找功能”转向”表达需求”，用自然语言直接描述问题，对话即交互、对话即操作。

这种转变对应着心智模型的两个层面：

• 从空间导航到意图表达：用户不再需要在脑海中构建”这个功能在哪个菜单下”的空间地图，而是像与人对话一样说出”我想做什么”，系统来理解并执行。
• 从记忆负担到表达负担：虽然降低了记忆功能位置的成本，但增加了准确描述需求的要求——用户需要学会如何”问对问题”。

另外，你会发现阿福的头部有点拥挤（包含用户中心、智能体、任务中心等入口）。这是因为过去在菜单栏或金刚区的高频功能都被上移了。也许这就是未来的设计趋势——”菜单栏”从下往上，把最宝贵的黄金位置留给 AI。

心智模型（Mental Model）

心智模型是用户基于过去经验形成的认知框架，决定了他们如何理解产品的运作方式。它影响用户如何理解界面、预测交互结果并做出操作决策。当产品的实际运作方式与用户的心智模型一致时，体验会更流畅；反之则会增加学习成本和认知负担。

AI 诊室：全新的互联网在线就诊

与传统 AI 对话式交互不同，阿福将医疗场景中的高频应用设计成独立智能体。用户可以在底部对话框上方和头部直接触发，比如接下来介绍的 AI 诊室。使用其他 AI 工具问诊时，体验往往缺乏仪式感。但在阿福中，点击 AI 问诊后，系统会明确提示”你已进入 AI 诊室问诊中”。接下来的流程会聚焦于你的症状，进行梳理分析，最终推荐适合的医院和医生。

另外，阿福受益于阿里健康和支付宝的强大生态，可以在 APP 内完成预约和问诊的闭环。用户只需一个 APP，就能完成从诊前咨询到在线就诊的全流程。

交互流程

• 用户在底部打开 AI 诊室智能体，系统显示问诊中。
• 输入病情，可以切换就诊人、上传报告等。
• 第一轮分析：AI 判断初步症状，实时显示进度（遵循系统可见性原则，体验很好），同时生成下一轮可能输入的提示词（交互体验相当棒——点击标签就能自动跳入输入框）。
• 第二轮分析：AI 继续确认症状（我预计系统已可预判 90% 的病情），并提供”直接出结论”按钮——用户可以选择继续补充信息，也可以直接查看专业结果。
• 多轮分析后或点击”直接出结论”后，AI 给出最终病情判断，并提供对应解决方案、就近医院挂号和医生推荐。
• 用户可选择去公立医院就诊或直接在线问诊。

设计亮点

• 智能体即场景容器：AI 诊室不是聊天窗口,而是明确的”就诊空间”，天然限定用户心智，避免对话跑偏。
• 阶段化流程强引导：从选咨询人到描述症状，再到诊疗建议，每步都有清晰状态提示，显著降低医疗决策的不确定感。
• 任务完成感明确：通过”本次 AI 诊室咨询已结束”的节点提示，帮助用户形成心理闭环，避免无限对话。

体验思考

如果你觉得 ChatGPT、DeepSeek 这类对话式 AI 产品的交互过于简单，融入智能体设计的阿福会给你更多惊喜。智能体像一个封装了特定功能的应用，具有明确的目标导向，用 AI 服务于这个目标，而不是让用户在自然语言中”摸索路径”。换句话说，智能体就像传统的二级功能模块——用户触发后，系统会在当前场景中围绕这个需求进行交互。

正是这个流程的设计，让我发现了它的独特之处。无论是之前体验过的阿里旗下安诊儿和讯飞晓医，还是我 7 月份构思的北京协和互联网医院 AI 版本方案，都未曾想过可以通过智能体来丰富交互设计形式。

AI 智能体是什么？

AI 智能体（AI Agent）是一种能够自主感知环境、做出决策并执行任务的 AI 系统。与传统的对话式 AI 不同，智能体具有明确的目标导向，能够调用多种工具、API 和服务来完成复杂任务。

AI 找医生：融入传统交互的创新设计

AI 找医生这个智能体同样带给我很大的惊喜和启发。它成功地将传统医疗 APP 中用户已经熟悉的交互模式融入产品，同时巧妙地结合了 AI 智能对话方式，形成了一种既保留用户认知习惯又具有创新性的混合交互体验。

交互流程

• 用户在底部打开就医服务智能体，点击AI 找医生。
• 平台提供按科室和按疾病两种类型的检索（这一步和我们平时去医院挂号找医生的习惯完全一致）。
• 点击科室或病种，触发 AI 对话，系统开始结合患者的病情、地区进行推荐（医生数据来源自在全国拥有 90 万医生的好大夫）。
• 患者可以直接进入医生主页，进行在线问诊和挂号。
• 如果对平台推荐的医生不满意，可以进入全部医生二级页面进行个性化筛选（传统的找医生形式），也可以让阿福重新为你推荐。

设计亮点

• 融合传统交互模式：在 AI 对话框中加入传统的 TAB 组件，让用户可以切换筛选，符合用户的使用习惯。
• 标签即意图触发器：疾病/科室标签本身就是结构化意图，点击即可触发 AI 搜索，无需多轮描述。
• 给人留下深刻印象的视觉设计：除了交互形式的创新，视觉设计同样出色，为用户带来全新的视觉体验。

体验思考

体验完这个智能体的交互流程后，我意识到过去对对话式 AI 产品的交互和 UI 理解过于浅显。它们确实主要依靠对话交互，但随着智能体的发展，每个智能体都代表一个独立的流程、内容甚至风格。

以 AI 找医生为例：它融合了传统的 TAB 框架，让用户按科室或疾病查找；当 AI 推荐的数据不满意时，还提供”查看全部”按钮，引导用户进入二级页面进行个性化筛选。这个设计让我发现，AI 产品远比想象中丰富——它不只是简单的对话框和侧边栏。

写到这里，我突然想起另一款对话式医疗 APP——讯飞晓医。当我输入”预约挂号”时，系统只能提示我跳转至其他医疗网站完成挂号。相比之下，阿里的生态能力令人赞叹：阿福直接连接好大夫等平台，用户可以在 App 内完成从 AI 推荐、查看医生到付费问诊的全流程，无需跳出即可实现就诊闭环。

医生AI分身：让专家经验规模化服务的创新尝试

早在 2023 年参与钉钉智能体测评时，我就有过类似构思：如果将专家过往的就诊经验和知识喂养给 AI 并进行专门训练，这个智能体能否解决 80% 的诊前基础咨询？当我体验这个智能体并查询相关资料后，发现阿福的医生 AI 分身确实做得非常出色。

该模型（官方名称叫蚂蚁·安诊儿医疗大模型 AntAngelMed）基于海量医学文献和去隐私化的真实病例数据构建，具备”深度思考”能力。它可对复杂、信息不全的临床场景进行多轮推理、逻辑验证与自我纠错，助力精准诊疗。

在产品层面，AI 医生整合了语音对话、挂号、补号申请等多种功能和场景。患者可以像与真人交流一样咨询，医生则能 24 小时服务多位患者。

设计亮点

• 专家身份具象化，建立信任起点：AI 不再是泛化的医生形象，而是明确绑定真实专家（姓名、医院、学科、头衔），让用户在对话前就建立信任预期。
• 医学思考路径可视化，不只给结论：通过「院士团队解读 / 医学思考路径 / 文献引用」等模块，将 AI 的推理过程展示出来，降低”黑箱感”，增强专业可信度。
• 多模态输入降低使用门槛：支持语音对话、拍照上传病历与检查报告，降低中老年用户或非专业用户的表达成本，贴合真实就医场景。

体验思考

医生 AI 智能体这一创新模式对多个行业领域具有重要的参考价值。它的核心在于：将一位拥有数十年临床经验的医疗专家所积累的专业知识、诊疗经验和实践智慧进行系统化的数据处理和标准化转换，再借助人工智能技术，使这些专业知识能够同时为成千上万的用户提供高质量的服务。

我甚至有一个大胆的设想：在未来，即便一个专家寿终正寝，只要他能把自己的知识库和经验传送给 AI，这个专家是不是就并未真正离去，而是可以继续造福我们的子孙后代？

健康小目标：自动生成健康打卡任务

「健康小目标」是一个围绕具体健康意图（如改善睡眠）展开的目标型智能体。它通过 AI 引导式问答拆解目标，自动生成可执行的日常任务，并将”制定计划—每日打卡—正向反馈”完整串联，形成持续的行为干预闭环。

体验这个功能时，我特意下载了几款健身打卡 APP，对比阿福的打卡流程与专业健身应用的差异。整体体验下来，阿福的用户体验更流畅。由于首页更聚焦、更简洁，我可以一目了然地看到所有打卡任务。

交互流程

• 用户在底部打开健康小目标智能体。
• 进入后开始设置自己的小目标（用户可以选择模板也可以进行自定义）。
• 在AI 对话框完善详细资料。
• 一键生成健康计划和打卡任务。
• 打卡任务建立后，AI 首页会实时同步提醒。

设计亮点

• 目标即入口，灵活自由：用户可以选择系统设置好的打卡目标，也可以从一句“我想睡得更香”去建立自己的专属目标。
• 结构化提问，替用户完成自我诊断：以“我想睡得更香”为例，系统通过睡眠状态、入睡时长、睡前行为等问题，帮助用户把模糊感受转化为可分析变量。
• AI 自动生成“可打卡”的微行动：不是泛泛建议，而是直接给出可执行、低负担的具体行为（如调暗灯光、热水泡脚）。
• 打卡与 AI 强绑定：从创建、执行到反馈，始终在 AI 场景内完成，避免任务系统与对话系统割裂。
• 即时正反馈与成长机制：打卡成功即获得“健康福气值”，通过情绪化动画与数值反馈强化成就感。

体验思考

这个智能体给了我两点启发。

第一，表单类操作（如添加就诊人、填写问卷等）可以直接在对话框中完成，无需跳转到新页面。实际体验下来，这种设计不仅高效，还能保持用户的使用连贯性。

第二，健康小目标就像常见的用户签到打卡功能，通过持续打卡增强用户活跃度。但我认为最大的亮点在于：你可以在对话框中输入想实现的目标，系统就会为你自动规划。这正是自我决定理论（Self-Determination Theory）的绝佳体现，当用户具备自主性和胜任感时，他们会感觉是在主动使用产品，而非被产品操控。

AI 拍皮肤：一体化皮肤管理流程

这还是我第一次如此细致地了解我的皮肤，因为阿福的 AI拍皮肤智能体更像一个一体化的皮肤管理工具。不仅可以拍患处、看舌苔，还可以测肤质、测毛发。很幸运，工作了这么多年，我还没有秃头的迹象，AI 给我的测评是要注意休息、少熬夜，目前毛发良好。

设计亮点

• 多场景入口统一：拍患处、看舌苔、测肤质、测毛发等能力集中在同一入口，用户无需理解功能边界，只需选择“我想拍什么”。
• 渐进式诊断对话：先基于图像给出初步提示，再通过关键追问（瘙痒时长、接触史）逐步收敛判断，显著降低误判焦虑。
• 强大的图像识别能力：仅需拍摄患处照片即可完成分析,并提供专业的诊疗建议;
• 延续性关怀设计：微交互特别出色，通过「3 天后再聊」与订阅提醒，将一次性问诊转化为持续的皮肤管理关系。

体验思考

我不得不感叹当今 AI 技术的飞速发展。当我完整体验了看舌苔、测肤质和测毛发这些功能时，虽然或许是我之前未曾留意，但还是给了我很大的震撼。AI 仅通过不同视角和角度的拍照，就能在短时间内快速评估出用户皮肤的健康状况——这本身就是科技的巨大进步。我没有去找 ChatGPT 探讨背后的技术原理，只想从一个普通用户的角度，表达我体验这些技术时的真实感受。

药管家：围绕“用药”的完整闭环服务

「药管家」围绕患者真实的用药场景，将药品识别、用药管理、用药指导、价格查询与购买行为整合为连续流程。用户从”我手上有什么药/我需要吃什么药”出发，可以自然完成从查询、添加到用药提醒，乃至购买的全链路操作。AI 在其中承担持续辅助与决策支持角色。

这个环节让我深刻感受到一个完整生态的价值——你在阿福就能实时查询药品价格、多维度对比，以及直接通过外卖配送或邮寄下单。

设计亮点

• 完整的闭环服务：药管家并未将拍照识别、比价、用药计划、购买拆成孤立功能，而是围绕“用药”这一高频行为，构建单一连续路径，符合用户一次性完成任务的心理预期。
• AI 深度介入但不过度干预：AI 能基于上传的药品图片与健康档案，主动识别用户意图并给出结构化用药解读，同时明确风险边界，不替代医生判断，建立可信的“辅助者”形象。
• 用药行为的时间化与自动化：通过用药计划，将一次性的药品查询转化为持续行为管理，AI 与提醒机制共同承担“记忆负担”，降低用户出错与遗忘风险。
• 从认知到行动的顺滑闭环：在用户确认药品信息与用法后，无缝衔接比价与购买场景，决策成本最低时提供转化能力，既提升效率，也强化平台价值。

体验思考

C 端产品的页面空间寸土寸金。当我添加了用药提醒后，我突然意识到阿福的首页其实是一个任务中心，而非传统的科普资讯推荐区。特别是与安诊儿 APP 相比，阿福的首页虽然看起来千人千面,但它能够感知、读取并提醒用户——无论是健康打卡、健康数据还是用药提醒,这个卡片区的场景拓展与应用都关联着整个产品的功能体系。

AI报告：诊断+ 诊疗闭环衔接

体验到这里时，恰好我刚带小孩去医院做了个小检查。拿到抽血报告后，我尝试将报告拍给阿福，亲身体验了 AI 报告功能。与医生相比，阿福的 AI 报告能帮助患者更系统、更完整地了解细节。医生工作繁忙，虽然经验丰富、能快速判断病情，但往往没有足够时间为患者详细解释。

AI 报告不仅为患者提供多轮对话追问，最后还会自然衔接 AI 诊室、医生解读与医院推荐，形成从”看不懂报告”到”下一步怎么做”的完整闭环。

设计亮点

• 一键式认知降噪：通过 AI 自动结构化报告内容，将专业医学术语转译为用户可理解的结论与建议，显著降低信息理解成本。
• 过程可感知的分析状态：扫描、脱敏、分析、整理结论以步骤化进度呈现，增强系统可见性，缓解用户等待与不确定感。
• 分流式行动推荐：在 AI 解读后明确给出“AI 继续问诊 / 真人医生解读”两种路径，尊重不同风险偏好与决策阶段的用户。
• 信任边界清晰：通过「仅供参考、需遵医嘱」等提示，主动声明 AI 能力边界，避免过度承诺带来的信任风险。

体验思考

我们也许真的要认真思考如何利用 AI 来帮助我们更好地生活了，比如 AI 报告这样的功能，它至少可以解决大部分患者对于专业报告的疑惑，了解 50%-70% 的基础情况。过去的互联网医院可以解决全国城市医疗资源不对等的痛点，而随着 AI 的加持，我觉得这种痛点会逐渐降低，就像 我在 AI 医生分身那个环节提到的一样，如果AI 可以把一个医生过去几十年的知识和就诊经验复刻，那么无论我们在哪个城市，都能同时享受到这个医生带给社会的价值。

总结与思考

蚂蚁阿福给了我哪些思考？

第一，传统菜单栏会逐渐消失吗？

正如我在第一部分讨论的，阿福的对话式入口给了我很多启发。看着阿福拥挤的头部，我真切地感觉到——传统菜单栏可能会在越来越多的产品场景中彻底消失。甚至连搜索栏这样的功能，都会被 AI 输入框替代。对话即交互，对话即搜索，对话即触发，让我们拭目以待。

第二，智能体驱动 AI 产品设计创新

我每天都在使用 ChatGPT，长久以来形成了一种刻板印象：对话式 AI 产品的设计平淡无聊，传统的交互和界面设计似乎不再重要，取而代之的是功能逻辑和提示词设计。但阿福的设计给了我新的启发，打破了我对对话式 AI 产品的固有认知——未来的 AI 产品可以结合智能体做出更多创新，交互界面设计依然重要。

第三，对话式 AI 产品的应用场景将越来越广

我想到了许多应用场景，特别是与医疗高度相似的政务领域，比如税务、教育等。如果这些传统行业引入对话式 AI 交互，将极大提升工作效率。试想一下，当你只需在税务 APP 中输入几个字或说一段语音就能开始办理业务，能为前台工作人员节省多少时间？在这里给自己定个小目标：2026 年设计一款政企对话式 AI 产品，探索这个领域的设计趋势。

转载：人人都是产品经理

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。