Doctolib
从分散AI产品到共享Data & AI平台及Agent黄金路径
企业原始材料
数字医疗/软件平台
企业内部AI改造
⚙ 技术方案
深度案例｜关键链路较完整
A级证据
共享平台已用于产品团队；黄金路径已验证beta
A
证据等级
From one AI product to an AI factory
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
深度案例｜关键链路较完整
12 / 12
业务背景2 / 2
改造流程2 / 2
技术工作流2 / 2
人机与治理2 / 2
量化结果2 / 2
来源定位2 / 2
六个维度均达到当前完整度标准。
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。
技术架构与生产工作流
Step 01
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
→
Step 02
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
→
Step 03
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
→
Step 04
共同Agent框架替代早期产品各自选型，降低重复维护
→
Step 05
黄金路径模板集成记忆、观测、评测、模型访问和标准护栏
→
Step 06
产品团队基于模板开发业务逻辑并负责线上质量和成本
关键技术与基础设施组件
Data & AI Platform共享评测平台生产可观测性GenAI网关多模型故障回退共同Agent框架黄金路径Agent模板标准护栏
人机分工与责任边界
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 动作拆解
- 盘点早期产品重复建设的评测、接入和部署工作
- 先建立共享评测与模型网关，再统一Agent框架
- 让产品经理及领域专家直接参与质量评估
- 把记忆、评测、观测、护栏预装进可复用模板
- 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
可迁移复用的落地方法论
- 平台建设应按最能解锁产品交付的依赖顺序推进
- 统一网关和评测是多产品AI化的基础能力
- 黄金路径要提供可运行的起点，而不是只给文档规范
- 单个beta上线速度不能外推为全部产品的平均收益
业务成效与交付成果
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。
证据边界与核验记录
- 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。
- 数百次是每天的评测实验次数，不是生产产品数或用户数。
- 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。
- 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。