医疗影像分割这几年最大的变化，不是模型参数又涨了多少，而是AI开始像人一样会“干活”了。过去我们做一个CT肝脏分割，跑一遍模型出个掩码，医生不满意，我们就手动调阈值、改后处理、换模型权重，一天下来能迭代三次已经算高效。现在Agentic AI出现后，同一个任务被拆成规划、分割、质检、修正四个环节，提示工程架构师反而成了决定项目上限的那个人。这不是角色包装，而是工作流的真实迁移——模型本身的能力差异被Agent架构拉平，真正拉开距离的是你怎么设计智能体的思考链路、怎么注入临床约束、怎么让模型在关键节点自我纠错。
这篇内容我基于自己在一套肝脏肿瘤分割项目上的完整实践来写，不绕弯子，直接把Agentic AI在医疗影像分割里的落地逻辑、提示词设计策略、系统架构拆开说清楚。文章不会停留在“Agentic AI很有前景”这种正确的废话上，而是给出可以直接抄作业的系统提示词模板、关键参数配置、踩坑记录和修改思路。适合已经在做医疗影像AI方向、想从单一模型升级到智能体方案的工程师，也适合想系统理解“提示工程架构师”这个角色具体做什么的算法程序员。
1. Agentic AI与医疗影像分割为什么能擦出火花
1.1 点对点标注的GPT-4o最全报告
传统的医学图像分割流程，本质上是一条纯静态流水线。数据进来，预处理、模型推理、后处理，一次跑完，输出结果。医生如果觉得结果不理想，我们就要手动改参数重新推理。这里面的核心痛点是：模型没有“知道自己错在哪”的能力，更没有“修正自己”的能力。小肿瘤漏检了，模型不会主动告诉你“我可能漏了，因为对比度太低”，它只会安静地输出一个没有小肿瘤的掩码。
Agentic AI的出现改变了这个底层逻辑。它把“分割”从一个单次推理动作，变成了一个有规划、有执行、有检查、有修正的闭环过程。智能体可以调用分割模型、可以查看统计特征、可以对比解剖先验知识，甚至可以在发现异常后重新调整提示词再次调用模型。这种“计划-执行-验证-修正”的循环，本质上模拟了放射科医生的工作习惯：先看整体，再找病灶，发现可疑区域，放大复核，最后写报告。
1.2 一个具体场景：肝脏CT分割中的小肿瘤漏检问题
我举个例子你就明白了。一个典型的增强CT肝脏序列，厚度2mm，大约有120到150张切片。传统分割模型在识别大块肝脏实质时往往表现不错，一旦遇到直径小于10mm的转移灶，假阴性率就会明显上升。因为小肿瘤和肝实质在CT值上重叠度高，边界模糊，单靠U-Net或Transformer类的模型很难单独将其从背景中分离出来。过去我处理这种问题，最常用的是调低分割阈值或者增加形态学开运算，但代价是假阳性暴增，脾脏、血管、甚至部分肠道都被误标成病灶。
换成Agentic架构之后，我设计了三个角色：规划者、分割执行者、质检修正者。分割执行者输出初步结果后，质检修正者会参考“小病灶通常出现在肝右叶包膜下区域”“脾脏密度和肝脏接近但位置不同”“转移灶在门静脉期强化程度低于肝实质”这样的临床先验知识，自动判定哪个区域的可信度低,然后生成一条修正指令，让分割执行者只对可疑区域重新推理，而对其他区域保持原结果不变。这样既保留了正常的肝脏分割边界，又显著收回了漏检的小病灶。这个案例让我彻底相信：Agentic AI不是噱头，它是医学影像分割工程化的新形态。
2. 提示工程架构师到底在优化什么
2.1 重新定位：不是写文案，而是搭认知链路
很多人一听到“提示工程”，第一反应是“写提示词嘛，让模型听话而已”。在医疗影像领域，这个理解完全不够。提示工程架构师真正在做的事，是把人类医生的阅片知识流程、医学影像的分析约束、模型的上下文理解能力三者整合进一套可执行的Agentic系统。表面看你在写提示词，实际你在设计一个AI的“职业素养”。
举个例子。你让一个通用大模型帮你做肝脏分割的质量检查，如果你只说“检查一下分割结果好不好”，模型十有八九只会输出一句“结果整体看起来不错，但边界有些粗糙”。这种反馈对工程优化毫无价值。但如果你的提示词这样设计：“你是腹部放射科主治医师，请从以下几个方面打分：肝包膜完整性、内部信号均匀性、血管误分割比例、可疑病灶漏检风险。每个维度按0到1打分，总分低于0.8则输出修正指令。”模型的表现会完全不同。因为你在提示词里注入了任务边界、评估维度、数值要求和输出约束。提示工程架构师的核心能力，就是把模糊的临床目标翻译成模型可执行的精确指令。
2.2 三类核心提示词的设计目标
我在实践中把医疗影像Agent的提示词分成三类，每一类的设计目标完全不同。
第一类是规划类提示词，它的核心目标是拆解任务。你要让模型在开始执行之前，先理解输入数据是什么模态、分割目标是什么器官、可能遇到哪些干扰因素。这一段提示词关键要做到“约束输入范围”，避免模型在未知上下文中胡猜。
第二类是执行类提示词，它的核心目标是精准调用。你需要让模型明确使用哪个模型、输入什么范围的数据、遵守什么临床先验条件。执行类提示词特别忌讳过度开放，否则模型会自由发挥，输出一些你根本没要求过的结构。
第三类是质检修正类提示词，它的核心目标是发现差距、生成修正指令。模型不仅要评估结果好坏，还要明确指出问题区域和修正方向。这一类提示词直接决定Agent的收敛速度，如果质检模块的提示词写得含糊，整个系统的纠错能力就是空话。
三类提示词的关系不是孤立的，而是一条闭环链路。规划决定执行方向，执行产生结果，质检评估结果并生成新的执行指令。提示工程架构师每修改一次提示词，实际上是在调整这个闭环的某一个环节，从而影响整体行为。
2.3 给小白的一个简单类比
如果你不熟悉这个领域，可以用一个餐厅后厨的比喻来理解。规划类是“菜单设计”，你要决定今天做什么菜系、需要哪些食材、营养怎么搭配。执行类是“厨师做菜”，负责把原材料加工成菜品，要求火候精准、摆盘标准。质检类是“主厨尝菜”，每一道菜出锅都要尝一眼，咸了淡了立刻调整，甚至重新做。提示工程架构师则是那个设计菜单、制定做菜流程、并训练主厨尝菜标准的老板。他不需要自己炒每一道菜，但全部出品质量都和他的设计水平直接相关。
3. 五条核心优化策略，撑起医疗分割Agent的骨架
3.1 策略一：多智能体分工，而不是单智能体包办
在Agentic AI应用初期，很多开发者倾向于让一个智能体完成所有工作，结果发现模型经常在“规划”和“执行”之间情绪错乱。我在CT肝脏分割项目中踩过这个坑：同一个智能体既要做策略规划，又要调用模型分割，还要评估结果，最后输出质量非常不稳定。主要原因在于医疗影像分割的每个环节对模型的思维模式要求不同，规划需要全局视野，执行需要聚焦细节，质检需要批判性思维，混在一起会让大模型不断地在attention中切换上下文，反而容易丢失关键信息。
所以我后来把系统改成了三个专职智能体。规划者只负责理解任务并生成执行计划，不碰任何分割结果。分割执行者只负责调用分割模型并返回掩码，不做任何质量评估。质检修正者是唯一被允许“批评”结果的角色，它可以提出修正指令并重新触发分割执行者。这样做的好处是，每个智能体的上下文窗口可以保持干净，专属提示词也能不断迭代优化，互不影响。实际运行下来，分割Dice系数从0.83提升到0.89，假阳性率下降了一半以上，而且整个系统的可解释性也变好了。
3.2 策略二：为质检智能体注入医学先验约束
如果你想让智能体真正发现分割结果中的问题，仅仅靠“检查边界是否平滑”这类通用指标是远远不够的。MRI和CT影像存在大量解剖结构变异和成像伪影，模型很难自己知道什么是对的。这时候，医学先验知识就是最值钱的提示词资产。
我在质检智能体的系统提示词里，整理了五类先验约束：器官位置约束（比如“肝脏主要位于右上腹，脾脏位于左上腹，两者之间由胃底和网膜隔开”）、密度范围约束（比如“正常肝实质CT值在45到60HU之间，增强后肝实质在90到140HU之间”）、形态约束（比如“肝右叶比左叶厚，尾状叶形态不规则但连续”）、血管走形约束（比如“门静脉主干从肝门进入，分为左右支”）、以及病灶特征约束（比如“转移灶在门脉期通常表现为低密度环状强化”）。这些约束写进提示词后，质检智能体对分割结果的判断能力提升非常明显。它会主动标记“该区域CT值明显高于正常肝实质，考虑钙化灶或增强血管，请确认是否属于目标分割范围”。这个反馈的临床价值，比单纯报一个Dice分数高得多。
3.3 策略三：提示词资产化和版本管理
医疗影像Agent系统不是写完一次提示词就一劳永逸。随着数据分布变化、医生反馈调整、模型版本升级，提示词必须持续迭代。如果提示词只是零散地写在代码里，每次修改都要翻半天，还容易改出一个“旧的丢了新的又没生效”的中间态。
我现在的做法是把提示词当成代码资产来管理。每一类提示词独立成模板文件，存放在独立的prompt_registry目录下，通过配置文件引用。每个模板文件都包含版本号、变更记录、适用模型标识。系统在启动时加载对应的提示词版本，线上运行时如果发现某次迭代效果回退，可以快速回滚到上一版本。这个习惯救了我很多次。有一次我修改了执行模块的提示词，把“使用门静脉期数据”写成了“使用动脉期数据”，导致分割结果出现大面积偏差。因为模板文件本身有版本控制，我十分钟内就完成了回滚，没有让错误结果进入下游分析流程。
3.4 策略四：上下文窗口裁剪与信息压缩
Agentic系统最怕的问题之一，是上下文窗口被无关信息填满。在医疗影像场景尤其严重，因为图像信息量大、历史状态多，每个分割步骤都会产生新的中间结果。如果不做信息管理，模型跑到第三轮就忘了第一轮的约束条件，行为开始漂移。
我现在采用的方法是分层信息管理。规划者输出执行计划后，把计划压缩成关键字段，包括分割目标、ROI范围、预处理方法、后处理规则，大概控制在500到800个token以内，再传给分割执行者。分割执行者只保留当前切片的影像特征摘要和分割目标描述，不加载全部历史细节。质检修正者则额外接收一份“历史偏差列表”，只记录前几轮发生的关键偏差，不记录全量输出。这种压缩策略确保每个智能体看到的都是当下最重要的信息，而不是一个巨大而冗余的对话历史。
3.5 策略五：数据隐私与合规约束前端化
医疗影像数据不能随便送到模型里，这个限制在Agentic系统里比单模型时代更棘手，因为多轮调用意味着同一份数据会被反复传输。我处理这个问题是在提示词层面就加入隐私边界约束。系统提示词明确要求模型“不得在输出中包含患者ID、检查号、具体医院名称等标识信息”“所有对图像内容的描述必须去标识化”。同时，在数据进入LLM之前，我们就会预处理影像元数据，把敏感字段替换为匿名序号。图像数据不会完整发送给模型，而是提取ROI统计特征和视觉特征描述后送入模型。这样即便上下文被记录，也无法反推出具体患者信息。
4. 实操：从零构建一个肝脏肿瘤分割智能体系统
4.1 整体架构与模块组成
我以实际做过的模拟项目X为例，完整拆解一套肝脏肿瘤分割Agent的构建过程。这个项目的目标是基于门静脉期腹部增强CT序列，自动分割肝脏实质并标记可疑肿瘤区域。系统由五个模块组成：输入解析模块、规划智能体、分割执行智能体、质检修正智能体、结果输出模块。输入解析模块负责读取DICOM头部信息、校验数据完整性、提取关键元数据。规划智能体根据解析结果生成分割计划，分割执行智能体调用分割基础模型获得初版掩码，质检修正智能体根据医学先验生成修正指令，必要时重新触发分割执行。
这四个模块之间的通信不是自由对话，而是通过结构化的JSON消息完成。每一步的输出都包含状态字段、结果字段、修正指令字段，方便追踪和记录完整推理路径。这种设计还方便我们在每一步插入人工审核节点，实际部署时我只让规划与质检两个环节开放了人工介入权限，其他人则锁死自动运行。
4.2 核心提示词模板参考
这部分我给你一套可以在自己的系统里直接改造的参考模板，不是理论示例，是能跑起来的那种。
规划智能体系统提示词节选：
你是医学影像分割任务规划者。请根据以下任务目标和输入数据信息，制定分割执行计划。 任务目标：在门静脉期腹部增强CT序列中分割肝脏实质，标记可疑肿瘤区域。 输入数据信息：DICOM序列，层厚2mm，矩阵512x512，含门静脉期增强扫描。 执行要求：
- 明确分割目标器官，制定预处理方案（窗宽窗位调整、重采样至各向同性体素）。
- 列出可能干扰分割的解剖结构（脾脏、胃底、十二指肠、腹主动脉、下腔静脉）。
- 指定分割执行策略：先整体分割肝脏，再检测肝内低密度灶。
- 如发现图像质量异常（伪影、金属异物、运动模糊），在计划中标注风险等级并建议补救措施。
分割执行智能体系统提示词节选：
你是肝脏分割执行专家。请对指定ROI完成分割任务。 输入：门静脉期CT序列，ROI坐标范围。 临床先验约束：
- 肝脏包膜应连续完整，不得把脾脏、胃壁、结肠肝曲分割入肝脏。
- 肝内血管在门静脉期表现为高密度，分割时应保留血管腔（肝静脉和门静脉分支）。
- 肝镰韧带区域密度略高，不应被判定为病灶。
- 可疑肿瘤定义为边界不清的低密度区，直径大于或等于5mm。 执行规则：仅基于传入影像数据分割，不得推测超出信息范围的结构关系。
质检修正智能体系统提示词节选：
你是腹部影像分割质量检查专家。请对分割结果进行逐项评估并输出结构化修正指令。 评估维度：
- 边界完整性：肝包膜是否连续，有无明显缺损或外溢。
- 解剖合理度：分割掩码是否与肝脏解剖位置匹配，是否包含明显的非肝脏组织。
- 病灶漏检风险：是否存在形态可疑但未被标记的低密度区域。
- 血管伪影抑制：增强血管是否被错误分割入病灶区域。 输出格式要求： 合格：输出pass，并给出简要评语。 需修正：输出fail，列出具体问题区域坐标、问题类型、修正建议。
这三套模板我实际迭代了不止二十个版本。每一次改动都来自于对医生反馈的重新理解，比如“肝内低密度灶不能只看CT值，还要看边界是否光滑”“血管分支的横断面在门脉期高信号，不要当肿瘤切掉”。这些人类医学经验翻译成提示词之后，区位Agent的质量天花板直接抬高。
4.3 关键参数设置与调参逻辑
Agentic系统不是只靠提示词就能跑好，关键参数同样决定系统行为。我在这个项目中的参数设置如下，可直接参考。
温度参数，规划智能体设为0.1，分割执行智能体设为0.2，质检修正智能体设为0.2。规划任务需要稳定输出，温度太低会导致策略单一，温度太高会增加不确定的决策分支。分割执行主要是调用外部模型获取掩码，LLM在这里只负责指令解析和结果封装，温度0.2足够。质检修正的任务是发现问题并生成修正指令，稍微放开一点温度有利于发现不同角度的偏差。
Top-p采样我用0.85，不追求最大概率输出，给模型一定概率空间去考虑其他可能解释。Max tokens分别限制，规划输出不超过1500，执行输出不超过1000，质检输出不超过2000，避免模型长篇大论。
迭代轮次限制是这套系统稳定运行的关键。质检智能体如果发现分割结果不合格，触发修正流程后会自动递增计数器。同一帧数据最多迭代三轮，超过三轮仍然不合格时，系统会标记为“人工复核”并停止自动修正。这个限制是必要的，否则模型可能在一个错误的分割结果上反复打转，白白消耗计算资源。
4.4 评估体系：不只盯着Dice系数
一套医疗分割Agent的效果，只用Dice系数来衡量远远不够。Dice只反映掩码重叠程度，无法体现边界质量、病灶级灵敏度和临床可接受度。我的评估体系分成三个层次。
第一层是像素级量化指标，包括Dice系数、Hausdorff距离、平均表面距离。这部分用来和传统单模型方法做公平对比，确认Agent架构没有付出精度代价。
第二层是结构级指标，关注分割结果的解剖合理性。包括肝包膜连续长度、非肝组织误分割比例、内部空洞数、可疑病灶保留率。结构级指标在很大程度上是质检智能体打分结果的可视化展示。
第三层是临床可用性评估。我邀请影像科医生参与盲评，对输出结果进行1-5分打分，重点看“这个分割结果能否直接辅助诊断”。临床可用性指标往往比Dice更能暴露问题。比如有些分割结果像素层面对齐得不错，但病灶边界过于“毛糙”，医生一眼就觉得不放心；有些分割结果把血管根部误标成肿瘤，Dice反而很高，因为血管确实和肝脏实质重叠。临床盲评打分会第一时间把这些“数字掩盖的问题”暴露出来。
5. 实战中踩过的坑和排雷指南
5.1 分割结果假阳性失控，提示词怎么救
有一次测试中，分割执行者输出结果里出现大量脾脏边缘假阳性，质检模块给不了明确的修正建议，因为提示词里没有“脾脏在解剖学上位于左上腹，与肝脏左叶之间有胃底间隔”这样的约束。我当时只写了“不要分割脾脏”，这个指令太弱，模型也搞不清楚脾脏到底在哪。后来我把位置约束和密度特征同时写进提示词，脾脏假阳性立刻减少。这个经历给我的教训是：提示词不能只给否定指令，还要给正面参考。你告诉模型“不要做什么”远远不够，还要告诉它“正确情况下应该长什么样”。
5.2 自反馈修正越改越乱，怎么限制
自反馈修正机制运行初期，系统经常出现一种奇怪现象：修正后的结果反而比第一次分割更差。原因是质检智能体的修正指令过于激进，让分割执行者把原本正常的区域也给改了。后来我在修正指令里加了一个“改动范围限制”字段，要求修正指令必须明确到具体坐标区域，并且限制单次修正幅度不超过全局ROI的15%。超过这个幅度的修正会被系统判定为高风险操作，转人工处理。加了这条限制后，自反馈机制变得克制多了，不再乱改一气。
5.3 上下文太长导致行为漂移，怎么压缩
多轮对话式的Agent系统逃不过一个坑：对话历史越长，模型越容易“忘掉”最初的约束。我一度把规划、执行、质检之间的所有消息都放到一个长对话里，结果到了第三轮，模型开始疯狂输出一些无关的医学建议，比如提醒患者做增强CT前需要禁食，这种明显偏离任务的内容。后来改成结构化消息通信，每个智能体只接收自己需要的那部分信息，上下文长度从一万多token压缩到两千多token，行为漂移问题基本消失。
5.4 评估指标好看但临床不认可，怎么对齐
还有一次印象深刻。系统各项量化指标都达到预期，Dice干到0.9以上，表面距离也压得很低，但医生在盲评时只给了3.2分，理由是“小病灶边界不够清晰，没法直接用于诊断随访”。后来我一问才知道，医生判断小病灶可不可用，看的是“边界锐利度”和“内部均匀度”，这两个属性在传统Dice指标里完全没有体现。于是我在质检智能体的评估维度里增加了“病灶边界锐利度评分”和“病灶内部信号均匀度评分”，把这两个维度作为硬性扣分项。这一改，医生盲评分数升到4.2分，Dice指标基本不变。从那以后我养成了一个习惯：每次模型指标迭代，都要同步跑一次医生盲评，不能只看量化数字。
6. 从系统设计者视角看提示工程架构师的核心能力
6.1 医学知识翻译能力是真正的护城河
提示工程架构师需要懂医学影像基础，但不需要真的去考影像科执照。我在实践中最大的感受是：真正拉开水平差距的，是你能不能把医生的“直觉经验”转化为模型“可推断的约束条件”。比如医生告诉你“这个病灶要做随访，因为它形态不规则”，你要能把这个判断拆解成“边界不平整”“内部信号不均匀”“有分叶状外突”等模型可识别的特征。这种翻译能力只能靠和医生反复沟通来磨，没有任何一门课程能直接教会。
6.2 建立“可控自动”的思维习惯
Agent系统要自动化，但自动化不是意味着撒手不管。我的经验是设计一套分级控制机制：完全自动执行、半自动人工确认、完全人工介入三个级别。规划环节默认自动，出现风险等级标注时改为人工确认；分割执行环节默认自动，但单次分割失败超过阈值则暂停流程；质检修正环节默认自动，修正幅度有限制，超过限制自动转人工。这套分级控制机制避免了大模型“自由发挥”可能带来的临床风险，同时保留了自动化的效率优势。
6.3 把每一次失败当成提示词迭代的种子
我在项目复盘时有一个固定做法：每一次人工介入都记录原因、时间点、当时的系统输出状态。连续记录两周后，你会发现人工介入的高频原因非常集中，这一般就是提示词需要迭代的关键点所在。有一次我统计后发现80%的人工介入都发生在“肝内血管与病灶边界混淆”这个场景，于是把血管先验约束强化进质检智能体提示词，后续人工介入次数直接下降了七成。
走完这一整个项目，我越来越确定一件事：Agentic AI在医疗影像分割里能走多远，不取决于基础模型有多强，而取决于提示工程架构师能不能把医学知识、影像特征和模型行为焊接到同一条链路上。这条路没什么捷径，就是一次次和临床沟通、一遍遍改提示词、一版版做评估，磨出来的。以后再做类似系统，我依然会从这五个策略开始搭骨架，然后在临床反馈的细节里慢慢打磨血和肉。
