為什麼 OpenEvidence 走不進中國臨牀？輕松健康推出本土「循證智能體流」

隨着醫療智能工具在全球範圍內加速落地，行業正在形成一個越來越清晰的判斷：醫療 AI 的價值，已經不再只取決於「會不會回答」，而更取決於「能不能進入真實臨牀流程」。

在這一範式轉移下，全球醫療 AI 正逐漸分化出三條具有代表性的技術路徑：以 OpenEvidence 為代表的「循證檢索流」，以通用大模型為基礎的「生成增強流」，以及以輕松健康「證元芳」為代表的「循證智能體流」。

2026年3月9日，輕松健康（02661.HK）正式推出「證元芳·MedClaw 協作體」，將證元芳與 OpenClaw 多智能體框架深度融合，醫生可在平臺內一鍵調用多 Agent 協作能力，無需額外部署或複雜配置，即可完成從任務拆解、證據檢索、指南比對、結論生成到過程歸檔的完整閉環。這個動作意味着，循證醫學工具的競爭，正在從「單點問答能力」轉向「臨牀協作能力」。

路徑分野：檢索、生成與決策的邏輯博弈

OpenEvidence 作為海外循證醫學工具的代表，確立了「高效循證檢索」的行業標準。它的核心價值，在於幫助醫生快速定位權威文獻、臨牀指南與研究依據，大幅提升循證信息獲取效率。從產品定位來看，OpenEvidence更偏向於「證據的呈現者」和「參考信息的組織者」，主要服務於醫生的循證參考環節。也就是説，它解決的是「更快找到證據」的問題，而不是「如何把多源證據轉化為適配具體患者情境的決策支持」的問題。對於變量複雜、個體差異顯著的臨牀場景而言，這類工具在多源患者信息綜合推理、診療路徑整合和執行流程閉環方面，覆蓋仍相對有限。對中國醫生來説，語言體系、診療規範、醫保規則與本土病例經驗的差異，也進一步提高了國外工具直接進入中國臨牀的門檻。

與之相比，通用醫療大模型代表了另一種路徑。它們依託大規模語料訓練，展現出極強的知識廣度、表達能力和交互效率，在健康諮詢、知識問答、醫學教育等場景中具備明顯優勢。但這一路徑的底層邏輯仍然是概率生成，其輸出機制天然帶有「黑箱」屬性。在醫療這一強調責任邊界、證據出處和過程可追溯的高嚴肅場景中，僅僅「生成一個看起來合理的答案」遠遠不夠。醫生需要知道，結論依據了哪些指南、引用了哪些研究、證據等級如何、不同證據之間是否存在衝突，而這些恰恰是通用生成式模型最容易模糊化的部分。因此，通用醫療大模型更適合作為「諮詢參考工具」，卻很難直接成為可信的臨牀決策支撐系統。這個問題的核心，不是模型夠不夠聰明，而是醫療場景對「可解釋、可驗證、可歸檔」的要求，決定了單純生成式路線存在天然邊界。

輕松健康「證元芳」所走的，則是第三條路徑：循證智能體路徑。不同於前兩者的「搜索」或「生成」，證元芳更強調以循證醫學方法論來組織 AI 的工作方式，通過模擬高年資醫生的臨牀思維路徑，對臨牀問題進行拆解、檢索、比對、評估和推理，再生成最終建議。而最新發布的「證元芳·MedClaw 協作體」，則進一步把這種能力從「單智能體回答」升級為「多智能體協同處理」。

在 MedClaw 架構中，證元芳負責醫學證據檢索、臨牀指南比對、結論可信度分級等循證核心能力，OpenClaw 則作為協作底座，驅動任務規劃 Agent、內容生成 Agent、過程留痕 Agent 等多個智能體協同運轉，形成「循證中樞 + 協作底座」的雙引擎架構。這樣一來，證元芳不再只是一個回答問題的工具，而成為一個可以處理複雜問題、並把推理過程顯性化的系統。

從「給答案」到「支撐決策」：MedClaw 帶來的能力躍遷

如果説 OpenEvidence 的核心是「幫助醫生更快找到依據」，通用醫療大模型的核心是「更快生成回答」，那麼證元芳·MedClaw 協作體的核心，則是「把循證過程本身嵌入到臨牀決策鏈條之中」。

根據公開信息，MedClaw 在上線初期重點覆蓋三大場景：循證診療決策支持、多指南一致性比對，以及病例討論與科研輔助。醫生輸入一個臨牀問題后，系統可以自動把複雜任務拆解為多個子任務，分別檢索最新文獻與權威指南，並在交叉比對基礎上生成結構化的循證建議報告，同時標註證據等級與推薦強度；對於同一問題，系統還可並行調取國內外多部指南，清晰呈現共識點與分歧點；在疑難病例討論、學術文章撰寫等場景中，MedClaw 還能進一步完成文獻綜述、數據整理、論點組織等工作，並對全過程進行留痕，便於回溯與審計。也就是説，它試圖解決的已不再是「問答效率」，而是「複雜醫學任務如何可靠協作完成」的問題。

這也是證元芳與 OpenEvidence 最根本的差異之一。OpenEvidence 代表的是「高質量循證檢索工具」，而證元芳·MedClaw 更像是「可嵌入流程的循證協作系統」。前者更接近臨牀信息查詢入口，后者則開始向診療、討論、科研乃至后續流程管理滲透。尤其在中國醫療環境中，醫生真正需要的往往不是一個「給我幾篇文獻」的工具，而是一個能夠結合本土指南、診療規範、醫保規則和真實臨牀表達習慣，幫助自己完成任務拆解、證據比對和結構化輸出的工作系統。

MedClaw 的推出，本質上是在回答一個更貼近中國臨牀現場的問題：醫生到底需要怎樣的循證工具？答案不是一個更快的搜索框，也不是一個更會説話的生成模型，而是一個能夠被嵌入工作流、並且全過程可追溯的循證協作體。

核心競爭力：本土數據底座與原生合規，構成「信任護城河」

循證的前提是「有證可循」，而「證」的質量、覆蓋度和本土適配程度，決定了一款循證工具最終能走多遠。相比以英文文獻積累見長的海外產品，證元芳的差異化優勢在於其面向中國醫療場景構建的知識底座。原稿中提到，證元芳已構建覆蓋5000萬+ 條中英文權威醫學數據的知識體系，整合國際醫學文獻、中國醫學期刊、臨牀指南、教科書、專家共識及結構化醫學知識圖譜，並進一步沉澱本土病例庫等「暗數據」優勢。

這樣的底層架構，使其在面對符合中國醫保政策、用藥習慣、疾病譜特徵和診療路徑的臨牀問題時，具備更強的本土適配能力。也正因為如此，證元芳的競爭維度並不只是「醫學知識是否夠多」，而是「在中國場景下是否更可信、更可用、更容易進入流程」。MedClaw 的價值，正是建立在這一知識底座之上，把證元芳原有的循證能力進一步系統化、協作化和流程化。

從監管與合規維度看，這種差異也更加明顯。公開報道顯示，證元芳·MedClaw 協作體的設計強調「讓醫生在每一步決策中都能看到證據來源和推理過程，而不是面對一個黑箱式的結論」，其后續還將探索與醫院 HIS 系統、電子病歷系統的深度對接，推動循證協作從「輔助決策」走向「融入流程」。這意味着，輕松健康正在嘗試的不只是一個工具層產品，而是一套更貼近中國醫療機構應用邏輯的能力體系。在醫療 AI 的下半場，真正的分水嶺已經不是誰更會生成答案，而是誰更能在真實世界里被信任、被審計、被接入、被持續使用。

結語：醫療AI的下半場，不是「更聰明」，而是「更可信」

從 OpenEvidence 到通用醫療大模型，再到證元芳·MedClaw 協作體，三條技術路徑的差異，表面上看是「檢索、生成、協作」的不同，背后其實對應着醫療 AI 三種不同的價值取向：是服務於信息獲取，服務於答案生成，還是服務於真實決策。前兩者分別解決了「找證據」和「出答案」的問題，而后者試圖進一步解決「如何讓證據真正支撐決策」的問題。

輕松健康發佈證元芳，以及最新推出證元芳·MedClaw 協作體，在循證醫學方法論之上，為醫生配備一套擁有本土知識底座、可解釋推理鏈條和多智能體協同能力的數字化協作系統。對於中國臨牀而言，這樣的工具更接近現實需求，即在複雜醫療場景中，把證據、推理與決策支持真正銜接起來。某種意義上，這或許也給出了「對標 OpenEvidence，中國醫生需要怎樣的循證工具」這個問題的本土答案。