用 Claude 帮你审 MRI 报告？我用 30 行代码复刻了 HN 热榜第一的实验
用 Claude 帮你审 MRI 报告？我用 30 行代码复刻了 HN 热榜第一的实验
昨天 Hacker News 热榜出现了一件有点魔幻的事：一个人把自己的 MRI 报告扔给 Claude，让它给"第二意见"——帖子冲到了榜首，评论区炸了。
有人觉得这很危险，有人觉得这是未来医疗的雏形。但作为开发者，我第一反应是：这个 prompt 是怎么写的？能不能做成一个通用的"文档深度分析"工具？
花了一个下午，我用 Python 写了一个可以本地跑的版本，不止能分析医疗报告，任何需要"专家二次确认"的文档都能用——合同、代码审查报告、财务分析……
核心思路：让模型扮演"第二意见专家"
直接问 AI "这份报告怎么样" 效果很差。有效的 prompt 需要做三件事：
1. 给模型一个角色：明确它是哪个领域的专家
2. 结构化输出：要求它按固定格式回答，方便阅读
3. 强制它"挑刺"：让它专门找原文里的模糊表述或潜在风险点
这三点组合起来，输出质量会有质变。
完整代码（可直接运行）
#!/usr/bin/env python3
"""
second_opinion.py
用 Claude 对任意文档给出"第二专家意见"
依赖：pip install openai
"""
from openai import OpenAI
# 无量 API 兼容 OpenAI 格式，改 base_url 就行
client = OpenAI(
api_key="your_api_key_here", # 去 api2everything.xyz 注册免费领 ¥1
base_url="https://api2everything.xyz/v1"
)
SYSTEM_PROMPT = """你是一位拥有 20 年经验的资深顾问，擅长对专业文档进行深度审查。
你的任务是对用户提供的文档给出独立的"第二意见"。
请严格按以下结构输出：
## 📋 文档摘要
用 2-3 句话概括文档核心内容。
## ✅ 关键发现
列出文档中最重要的 3-5 个结论或数据点。
## ⚠️ 值得关注的点
找出文档中：
- 表述模糊或存在歧义的地方
- 数据异常或前后矛盾的地方
- 缺失但本应存在的信息
## 💡 建议的后续步骤
给出 2-3 条具体可执行的建议。
## 🔍 置信度评估
对以上分析的可靠程度打分（1-10），并说明原因。"""
def get_second_opinion(document_text: str, domain: str = "通用") -> str:
"""
对文档获取第二意见
Args:
document_text: 文档内容
domain: 文档领域（如"医疗"、"法律"、"财务"、"代码"）
Returns:
结构化的分析报告
"""
user_prompt = f"""
请以 {domain} 领域专家的视角，对以下文档给出第二意见：
---
{document_text}
---
请严格按照要求的格式输出分析报告。
"""
response = client.chat.completions.create(
model="claude-sonnet-4-5", # 也可以换成 gpt-4o 或 gemini-2.0-flash
messages=[
{"role": "system", "content": SYSTEM_PROMPT},
{"role": "user", "content": user_prompt}
],
temperature=0.3, # 分析类任务用低温度，减少"幻觉"
max_tokens=2000
)
return response.choices[0].message.content
def main():
# 示例：分析一段模拟的体检报告
sample_report = """
患者：张三，男，35岁
检查日期：2025年7月
影像所见：
T2加权像显示L4-L5椎间盘信号减低，后缘轻度突出，硬膜囊受压不明显。
L5-S1椎间盘轻度退变，无明显突出。
各椎体未见明显骨质破坏及异常信号。
印象：
1. L4-L5椎间盘轻度膨出
2. L5-S1椎间盘退变
建议：结合临床，必要时进一步检查。
"""
print("正在分析文档，请稍候...\n")
result = get_second_opinion(sample_report, domain="医疗影像")
print(result)
if __name__ == "__main__":
main()
运行效果
对上面那份模拟报告，Claude 会输出类似这样的内容：
## ⚠️ 值得关注的点
- "硬膜囊受压不明显"表述模糊，"不明显"不等于"没有"，
需要追问具体压迫程度的量化数据
- 报告未提及患者是否有症状，影像结论与临床症状的对应关系缺失
- "必要时进一步检查"过于宽泛，缺乏具体检查建议
## 💡 建议的后续步骤
1. 要求放射科医生提供 L4-L5 突出距离的毫米级测量数据
2. 结合症状（有无下肢放射痛、麻木）判断是否需要肌电图检查
3. 6个月后复查对比，评估进展速度
这个输出质量，比很多"直接问 AI"的方式要高一个档次。
几个实用变体
稍微改一下 domain 参数和文档内容，这套框架可以直接复用：
| 场景 | domain 参数 | 文档类型 |
|------|------------|---------|
| 合同审查 | "法律合同" | 租房合同、劳动合同 |
| 代码 review | "软件工程" | PR 描述、架构设计文档 |
| 财务分析 | "财务审计" | 年报、财务报表 |
| 学术论文 | "学术审稿" | 论文草稿 |
关于模型选择和成本
这个脚本里用的是 claude-sonnet-4-5，分析一份 500 字的报告大约消耗 1500 tokens，正常调用官方 API 差不多要 ¥0.05 左右一次。
如果你要批量处理，或者只是日常学习测试，可以用 无量 API——同样的 Claude / GPT-4o / Gemini，比官方便宜 60% 以上，国内直连不用梯子，注册还送 ¥1 余额。上面代码改一行 base_url 就能用，格式完全兼容。
最后说两句
HN 那个帖子里，有人说"把医疗报告给 AI 看太危险了"。我觉得这个担忧有道理，但方向搞反了——危险的不是 AI 给意见，而是不懂如何使用 AI 的意见。
一个经过训练的用法（结构化输出 + 明确置信度 + 要求说明局限性）和直接问"这个报告正常吗"，得到的结果差距极大。
工具是中性的，会不会用才是关键。
代码已经可以跑了，有问题或者有好的改进思路，评论区见。觉得有用的话点个赞，后续还会写更多这类"把热点变成可运行代码"的文章。
🔗 无量 API 注册链接（国内直连，改一行 base_url 即用）：
https://api2everything.xyz/?utm_source=zhihu&utm_medium=article&utm_campaign=daily&aff=wqUb