三诺生物使用 Sealos 加速 AI 创新，构建慢病健康普惠新路径

公司简介

三诺是一家利用生物传感技术，针对慢性疾病患者和医疗健康专业人员，研发、生产、销售一系列快速诊断检测慢性疾病产品，并提供相关专业服务和糖尿病数字健康管理的高新技术企业；致力于为全球糖尿病及相关慢性疾病的人们提供创新、优质的产品和服务，帮助他们提高生活质量。

作为国内血糖监测领域的领军企业，三诺始终将创新作为企业发展的核心驱动力。随着 AI 技术的兴起，三诺敏锐地意识到 AI 在慢病管理、智能客服等领域的巨大潜力，并成立了专门的 AI 探索小组，积极探索 AI 技术的应用。

面临挑战

三诺的 AI 探索小组最初聚焦于 AI 客服场景，希望通过 AI 技术提升客服效率，降低人力成本，改善用户体验。然而，在实际开发过程中，他们遇到了诸多挑战：

• 大模型幻觉问题：大模型输出不稳定，经常出现 “一本正经地胡说八道” 的情况，导致客服质量难以保证。

• 开发部署复杂：传统 AI 开发流程繁琐，需要编写大量代码，配置复杂环境，部署和运维难度大。

• 资源成本高昂：AI 模型训练和推理需要大量的计算资源，传统模式下资源利用率低，成本居高不下。

• 团队协作困难：AI 探索小组的成员并非都是专业的算法工程师，传统开发模式下，团队协作效率低，难以快速迭代。

为什么选择 Sealos？

为了解决上述问题，三诺开始寻找更高效、更便捷的 AI 开发解决方案。在对比了多种方案后，他们最终选择了 Sealos。Sealos 之所以能够脱颖而出，主要得益于以下几个方面的优势：

1. 简化开发流程：Sealos 提供了云开发和 Devbox 等工具，极大地简化了 AI 应用的开发流程。云开发允许开发者无需关心底层基础设施，只需编写业务逻辑代码即可快速部署应用。Sealos 团队的另一款产品 FastGPT 则提供了强大的 AI 编排能力，帮助开发者轻松构建复杂的 AI 应用。

2. 弹性资源调度：Sealos 基于 Kubernetes 构建，具备强大的容器编排和资源调度能力，可以根据 AI 应用的实际需求自动调整计算资源，确保应用在高峰期也能稳定运行。

3. 高可用性保障：Sealos 的容器化架构和 Kubernetes 的自愈机制，保证了 AI 应用的高可用性。即使出现故障，系统也能自动恢复，最大限度地减少服务中断时间。

4. 与阿里深度合作：Sealos 与阿里云深度合作，底层基础设施跑在阿里云上，数据安全性和稳定性得到了充分保障。

实施过程

在选择了 Sealos 之后，三诺的 AI 探索小组迅速开始了 AI 客服的开发和部署工作，完整技术路径可分为两个阶段：

第一阶段：技术验证

• 使用 FastGPT 的 UI 界面进行内部测试，快速验证 AI 客服核心功能

• 通过可视化编排实现：用户问题分类 → 知识库检索 → 大模型核验 → 结构化输出 → 人工抽查的完整流程

• 重点解决大模型 “幻觉” 问题：大模型只负责幕后任务，最终输出仍为客服审核过的话术和图片视频素材，杜绝捏造、错误引导、乱开药、乱诊断等问题

第二阶段：生产部署

1. 技术栈组合

• Sealos：采用 Sealos 云操作系统作为基础平台

• Sealos 云开发：开发灰度调度、消息解析、记忆缓存、异常状态监测、Ican 平台 API 接入等定制功能模块

• FastGPT：通过 API 对接三诺 APP 和 CRM 系统，日均服务 5~6 千位用户，处理 2~3 万次对话

• 关键优化措施：

• 第一层：基于规则引擎的关键词过滤

• 第二层：人工审核样本的持续学习

• 在 FastGPT 流程中增加双重校验机制：

• 采用 Sealos 弹性伸缩策略，应对早晚高峰流量波动 (峰值 QPS 从 15 提升到 45)

三诺算法工程师

“我们现在的技术栈是 Sealos + 云开发 + FastGPT 的组合，这套方案既能通过 FastGPT 的流程编排降低开发门槛，又能用云开发实现定制化业务逻辑。比如最近客服希望 AI 收到的催发货的信息能发到企微，从需求提出到上线只用了 3 天。”



效率提升 20%，成本降低 50%

通过使用 Sealos，三诺的 AI 客服开发取得了显著成效：

• 客服效率提升：灰度测试中，AI 客服能够一次性解决约 20% 的用户问题，显著降低了人工客服的工作量。

• 开发效率提升：开发周期从原来的几天缩短到几分钟，实现了 “一天和一分钟的区别”。

• 资源成本降低：IT 硬件资源成本降低了 50% 以上。

• 团队协作改善：非专业开发人员也能参与 AI 应用的开发和维护，团队协作效率大幅提升。

三诺全球客服中心经理

“我们主要这边体现的是从人力节省方面，我们基本上按照现有的框架梳理出来的这个客服模型的话，大概能提效 13%~20% 左右。”

未来展望

三诺计划未来将 Sealos 应用于更多的 AI 场景，并积极探索更多技术合作：

• GPU 资源需求：Sealos 接下来会上线独立的 GPU 可用区，以满足三诺在 AI 模型训练和推理方面的需求。GPU 资源将支持直接运行模型、使用 Docker 镜像部署大语言模型以及微调训练等多种使用场景。同时，Sealos 还将提供完善的 GPU 资源管理工具，帮助企业更好地管理和优化 GPU 资源的使用。

• 异地多中心架构：针对数据库异地备份需求，Sealos 团队将邀请数据库专家与三诺团队一起进行配置。虽然配置过程较为复杂，但通过持续增量迁移功能可以实现异地多中心架构，从而提高数据容灾能力和系统高可用性。

• 拓展 AI 应用场景：三诺的终极目标是实现 AI 医疗，计划将 AI 做成智能体，从当前的客服场景逐步拓展至：

• 健康管理师角色：协助进行医疗监管工作

• 医生助手角色：辅助医生诊断和治疗

• 多渠道覆盖：包括医院、ToB 等不同场景

• 智能慢病管理：利用 AI 提供智能化的慢病管理服务

• 规模化部署：三诺计划在本月开启大规模试运行，重点关注：

• 服务器稳定性保障

• 高峰期资源调配

• 用户规模扩展 (预计 APP 日活用户将增长三倍)

总结

作为医疗行业数字化转型的标杆企业，三诺的智能客服经历了从大模型 “答非所问” 到日均处理 2~3 万次对话的跨越式发展，随着三诺 2 代 CGM 产品上市，未来预计日均处理 5~6 万次对话。

当看到客服人员从重复劳动中解放出来，转而处理更有价值的服务及慢病沟通时，我们更加确信：好的技术方案不该让企业 “削足适履”，而要让业务 “如虎添翼”。