鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

蚂蚁集团大动作!“阿福”App来了:新增健康陪伴功能 问答能力升级

编程导航
编程导航
2025-12-15 19:13
阅读 1
编程导航
2025-12-15 19:13
阅读 1

12月15日消息,蚂蚁集团宣布旗下AI健康应用AQ品牌升级为“蚂蚁阿福”,并发布App新版本,升级健康陪伴、健康问答、健康服务三大功能。

升级后的“蚂蚁阿福”聚焦“健康+”战略,定位从AI工具转向AI健康朋友,能够像真人朋友一样,帮助用户管理自身和家人健康,实现专业全能、私人专属、服务丰富的优势。

image.png

目前,“蚂蚁阿福”App的月活用户已超1500万,跻身国内AI App前五,成为第一大健康管理AI App。据了解,目前阿福APP每天回答用户500多万个健康提问,55%用户来自三线及以下城市,普惠特点明显。

AQ升级为“蚂蚁阿福”

上线健康陪伴功能  从工具到朋友

蚂蚁集团副总裁、健康事业群总裁张俊杰介绍说,取名“阿福”寓意健康是福,健康的事就找阿福。

新版“阿福”最大的变化,是增加了健康陪伴的功能板块,希望陪伴用户从日常就开始养成健康好习惯,构筑健康防线。

首先,用户可以通过首页的“健康小日记”模块,记录自己的健康状况。目前,阿福开放接入了苹果、华为、vivo、鱼跃、欧姆龙等九大品牌智能设备,用户绑定设备即可同步日常健康数据,在首页查看运动量、心率、睡眠时间等。

除了智能设备,用户还能通过拍照、图片上传的方式做记录,在部分地区,甚至可以通过授权的方式,将自己过去就诊、体检的数据一键导入,由阿福归档整理,不怕丢失或忘记。

除了自己,用户也可在阿福上建立家人的健康档案。阿福会像“家庭医生”一样,追踪分析健康走势,守卫全家健康。

image.png

其次,新版阿福也上线了“健康小目标”和“健康小提醒”这两个陪伴型功能,用户可以设定运动、饮食、生活习惯等健康目标,阿福会像“私人教练”一样,根据目标为用户定制专属计划,并每日提醒。

张俊杰表示,从AQ升级到阿福,也是从AI工具升级到AI朋友的过程。升级后的阿福,能像朋友一样陪伴自己,也像朋友一样了解自己,更会像朋友一样嘴严,放心可靠。

阿福健康问答升级,回答更专业

“回答的专业性、有用性,是一款AI工具的根基。”张俊杰表示。在他看来,阿福要像医生朋友、私人营养师、运动教练那样,真的能一对一的和用户对话,不是泛泛而谈,而是一人一策、量身定制。

因为有健康陪伴模块,用户让阿福记住了自己的健康动态,所以阿福的回答,自然而然可以更加有的放矢,更加精准专业。

对于无法描述清楚自身情况的用户,阿福的“AI诊室”模式,会模拟真人,主动追问,甚至给出示意图,辅助用户准确描述问题。

阿福的健康问答,除了能听懂语音和文字,也能看懂图片,用户可以拍照提问:皮肤状况、检查报告、药盒,都可以拍给阿福,获得科普解答。

据悉,阿福“拍皮肤”能提供个性化护肤建议,也可精准识别50类常见皮肤病。 “无痕拍”模式下,提问照片还能全程打码,打消隐私顾虑。阿福“拍报告”则支持拍照、上传PDF文件、上传照片三种方式,不仅支持单报告解读,还可以多报告对比分析,覆盖99%常见报告,解读准确率95%以上。

张俊杰介绍说,阿福的定位是AI健康朋友,为用户解决生活中基础、常见的健康疑问,陪伴用户养成健康习惯,让日常生活和医院之间的中间需求也被照顾到。

image.png

阿福的回答,并非医疗诊断,也永远不会替代真人医生。对于真正有医疗需求的用户,阿福作为平台,链接了全国30万真人医生,提供在线问诊服务。用户也可以让阿福帮忙挂号、买药,在医院用阿福出示电子医保码支付。

据了解,廖万清、董家鸿、王俊、陈子江、王建安、王宁利六位国家院士领衔全国500多位名医,在阿福上开设了自己的“AI分身”,累计解答2700多万个健康咨询。“阿福可以成为医院、医生的帮手,通过数字平台、智能技术,让1个医生变成10个医生,让专业的健康服务更加普惠。”张俊杰表示。

早在2023年11月,浙江卫健委就联合蚂蚁健康推出了全国首个数字健康人“安诊儿”,成为了医疗领域具有全国影响力的AI智能体应用,也响应了大众对专业AI的需求和期待。

为更好地满足全国用户的健康需求,蚂蚁集团正式推出面向全国用户的AI健康应用“AQ”,并完成品牌升级,更名为“阿福”。张俊杰表示,浙江国家医疗人工智能基地为阿福的专业医疗大模型提供了强有力的技术与资源支持,夯实了其专业基础,使阿福能够更高质量地服务每一位有健康需求的用户,持续助力“健康中国”战略的推进。

原文链接: 蚂蚁集团大动作!“阿福”App来了:新增健康陪伴功能 问答能力升级
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手