【GPASS AI眼镜大赛】血压管家把测完就忘的血压数据变成随身健康管家——19节点工作流 多模态 真机踩坑实录与优化解决方案关键词AI眼镜 · 血压管家 · 百宝箱工作流 · 多模态Agent · 真机踩坑实录与优化解决方案 · GPASS开发者大赛适用平台支付宝百宝箱GPASS 智能眼镜应用模板参赛赛道赛道1「AI 眼镜赋能生活健康」 赛道4「无显示 AI 眼镜」一句话作品 Slogan一眼读懂血压AI 眼镜里的健康管家。作者王骅 Tim摘要本项目是一款专为支付宝GPASS AI眼镜开发的低代码应用旨在解决高血压人群日常监测与数据管理的核心痛点构建了一个从设备唤醒、读数识别到专业解读、历史分析的端到端智能体工作流。核心能力语音唤醒 → 第一视角拍照识别血压计读数 → 医疗大模型实时解读 → 历史趋势回溯分析。技术栈Ling-2.6-1T意图识别 Qwen3.7-plus多模态读数 蚂蚁·安诊儿医疗大模型专业建议 自定义数据库插件异步存储。文章覆盖产品定义、技术方案说明、19节点工作流架构总览、端侧/云端插件运用、真机踩坑实录与优化方案。一、项目背景与产品定义1.1 我们要解决的真实痛点家里有血压计的人都知道一种尴尬测量时盯着屏幕记数字测完就忘等到头晕不适翻遍纸笔和手机也找不出这段时间血压到底是升是降。根据用户调研我们将测量血压场景的核心痛点收敛为四点痛点具体表现数据孤岛测过就忘纸笔/App记录割裂难以形成连续记录缺乏专业解读血压计只会给数字没有分析和解读数字背后的健康建议异常响应不及时出现血压异动时没有即时提醒与应对建议趋势回溯难历史数据无法分析医生问诊时难以拿出完整记录为什么非眼镜不可纸笔能记但效率太低没有专业分析解读——最传统原始的解决方案。用手机呢——当下最常见的解决方案。高血压患者每天需要测量 1-2 次血压这是一个高频且固定的场景坐在桌前卷起袖子绑好袖带按下血压计。测完之后问题来了对比维度 手机 App AI 眼镜血压管家操作步骤①测完血压 → ②找手机 → ③解锁 → ④打开App → ⑤手动输入/拍照 → ⑥查看结果5步①测完血压 → ②眼镜自动识别1步双手状态需要单手操作手机诸多不便双手完全解放耗时30-60秒3-5秒使用门槛中老年人需要学习App操作语音唤醒零学习成本隐私性手机屏幕可能被旁人看到其他敏感信息眼镜近眼显示/私密语音播报核心论点高血压患者测完血压时双手处于被占用或不便状态掏出手机打开App的操作路径繁琐且抵触。AI 眼镜以第一视角自动识别血压计屏幕数据实现「测完即记录、看完即分析」的零额外操作闭环——这是手机 App 无法替代的核心优势。同时语音播报能力让不习惯智能设备的老年用户也能轻松获取健康建议真正实现「科技适老」。1.2 产品定位一句话定位戴上眼镜说句话血压数据自动留存、即时解读、长期追踪——让健康管理解放双手、随身陪伴。血压管家是一款面向关注个人健康的高血压或潜在高血压用户在测量血压场景中帮助解决血压数据孤岛、缺乏专业解读与健康改善建议的AI产品。交互闭环语音唤醒 → 意图识别 → 硬件拍照/查库 → 多模态识别/医疗分析 → 专业解读与建议 → 卡片/语音播报目标用户中国2.45亿高血压患者 潜在高血压人群覆盖中青年至老年全年龄段。1.3 用户粘性设计场景绑定天然高频入口量血压是高血压患者的高频刚性需求——每天测量 1-2 次常年坚持。血压管家与「测量血压」这一动作深度绑定用户每次测量血压时眼镜自动识别记录形成测→记→析的完整闭环。这意味着只要用户还在量血压就会反复使用血压管家。粘性不是靠「运营手段」拉回来的而是生长在用户的日常健康行为中。场景延伸非测量时的日活支撑在不测量血压的其他时段用户同样可以唤醒应用️随时随地语音查询「乐奇血压管家我最近一周血压怎么样」——安诊儿基于历史数据生成趋势分析健康咨询「血压偏高该注意什么饮食」——安诊儿提供个性化健康建议趋势回顾每次测量后与上次数据对比升高/降低/持平用户有动力持续测量观察趋势变化这些「非测量场景」为应用的日活跃度提供了有力支撑让血压管家从「测量工具」升级为「随身健康顾问」。1.4 商业落地路径血压管家从 To C、To B、To G 三条路径构建商业模型To C个人健康订阅服务基础版免费血压记录 单次解读 7天趋势进阶版订阅月度/季度健康报告、多指标趋势分析、个性化饮食运动建议、家属共享目标用户中国约 2.45 亿高血压患者中有健康管理意识且愿意付费的中青年及家属群体To B企业合作与生态嵌入血压计厂商合作与欧姆龙、鱼跃等家用血压计品牌合作眼镜端识别能力作为产品增值功能预装/联名推广慢病管理平台为第三方慢病管理SaaS平台提供AI眼镜端数据采集能力嵌入企业健康管理方案保险公司合作作为健康管理增值服务嵌入健康险产品——用户持续监测血压可获得保费优惠To G公共健康与医保场景社区慢病管理面向基层社区卫生服务中心AI眼镜辅助家庭医生团队高效完成辖区高血压患者随访和数据收集医保控费高血压慢病管理是医保控费重点方向持续监测数据可支撑按疗效付费P4P模式降低并发症住院率人口健康普查面向区域性高血压筛查和健康普查场景AI眼镜提供便携式数据采集终端生态协同血压管家核心使用的「蚂蚁·安诊儿」医疗大模型本身属于蚂蚁生态未来可借助支付宝医疗健康板块的医院挂号、在线问诊、医保支付等能力实现「监测→解读→就医→支付」的完整闭环。二、平台认知与技术选型2.1 为什么选择支付宝百宝箱GPASS是蚂蚁集团面向AI眼镜Rokid乐奇等硬件厂商推出的智能体开发平台底层跑在支付宝「百宝箱」上。它把眼镜的语音、拍照等硬件能力封装成可视化工作流节点用拖拽连线的DAG方式即可编排出一个Agent无需关心眼镜硬件底层。2.2 模型选型策略综合对比性能与效果我们确定了快—准—专三层模型协作策略任务模型选型理由意图识别Ling-2.6-1T轻量快速把看血压/查历史/闲聊三类路由判断做得又准又省时多模态识别Qwen3.7-plus中文场景OCR与界面理解能力强准确识别血压计屏幕数字医疗建议蚂蚁·安诊儿医疗大模型专业医疗级分析输出可信的解读、预警与个性化健康建议选型原则意图识别要快而准、视觉识别要看得清、医疗分析要信得过。任务有多难就用多大的模型三层职责分离各用最合适的模型。三、整体工作流架构设计3.1 架构总览本项目同时参加赛道1有屏与赛道4无屏从用户体验出发对工作流做了大量测试与优化最终精炼为19个节点。下面是工作流架构总览3.2 五大设计要点设计要点说明对应体验价值端侧拦截守门员唤醒后第一个节点判断拦截端侧冗余提示词直接回固定话术避免AI乱答确保首次交互品质意图三路分离意图识别后将请求路由到拍照测量/历史查询/健康咨询三条独立链路链路职责清晰可独立优化过渡话术前置调用耗时模型前先通过直接回复节点给出等待话术消除3-5秒静默等待的焦虑感数据库异步解耦存储与查询均采用异步操作不阻塞主线工作流用户全程无感等待双赛道兼容有屏走信息流卡片无屏走纯语音播报同一工作流覆盖一次开发双赛道复用3.3 意图三路分离路由工作流启动后Ling-2.6-1T 基于用户输入进行三分类路由用户语音输入 │ ▼ ┌─────────────────┐ │ Ling-2.6-1T │ │ 意图识别路由 │ └───┬─────┬───────┘ │ │ │ ▼ ▼ ▼ 意图A 意图B 意图C 「拍照」 「查询」 「咨询」 │ │ │ ▼ ▼ ▼ 拍照链路 历史链路 追问链路意图A「拍照测血压」用户对着血压计屏幕 → 调用眼镜摄像头拍摄 → Qwen3.7-plus 识别读数 → 安诊儿解读本次数据 → 异步写入数据库意图B「查历史趋势」用户问最近血压怎么样 → 查询数据库 → 安诊儿综合分析趋势 → 输出结论与建议意图C「健康咨询」用户追问健康问题 → 安诊儿结合个人历史数据进行个性化答疑三条链路职责清晰单链路出问题不影响其他功能可独立优化和调试。四、19节点工作流详解4.1 节点全景图节点序号节点类型节点名称所属链路职责1开始用户输入全局入口接收语音输入2分支端侧拦截判断全局入口过滤端侧注入的冗余提示词3直接回复固定欢迎语拦截分支命中拦截时回复固定话术4大模型意图识别意图路由Ling-2.6-1T三分类路由5端侧插件眼镜拍照采集拍照链路调用眼镜摄像头拍摄血压计6直接回复等待话术拍照链路“收到正在为您分析请稍后…”7大模型多模态读数识别拍照链路Qwen3.7-plus识别血压值8自定义插件异步写入数据库拍照链路将识别结果写入数据库9数据处理JSON反序列化拍照链路将大模型返回数据进行处理10话术拼装文本处理拍照链路拼装本次数据解读11云端插件信息流卡片拍照链路完整展示解读与建议12直接回复查询等待话术历史链路“好的正在为您查询请稍后…”13自定义插件查询数据库历史链路查询用户历史血压记录14大模型医疗大模型血压趋势分析历史链路安诊儿综合分析评估15云端插件信息流卡片历史链路完整展示趋势结论与建议16大模型安诊儿答疑追问链路处理健康咨询/追问17云端插件信息流卡片追问链路展示回复18结束结束全链路结束本轮工作流19端侧插件退出全链路调用端侧退出指令​五、插件体系详解5.1 插件清单插件类型来源用途关键特性眼镜设备拍照采集端侧官方调用眼镜第一视角摄像头拍摄血压计屏幕无需输入参数输出图片URLGPASS眼镜-信息流卡片云端官方承载长篇专业健康建议的展示替换默认问答卡片后者文字截断血压数据存储插件云端自写将多模态识别结果写入用户数据库异步执行不阻塞主线血压数据查询插件云端自写查询用户历史血压记录供趋势分析返回最近10条数据和avg/max/min统计为什么弃用默认问答卡片回复大量专业健康建议时默认问答卡片文字显示不全、体验差。改用信息流卡片后内容能完整呈现且无屏眼镜也能通过语音播报覆盖。异步设计关键收益无异步有异步本方案用户说看血压 → 拍照 → 存库等待1-2秒 → 解读 → 回复用户说看血压 → 拍照 → 存库后台异步 → 解读 → 回复总耗时 拍照存库解读总耗时 拍照解读存库不增加任何等待六、模型选型策略三层模型各司其职在性能与专业度之间取得最优平衡模型角色定位关键能力延迟Ling-2.6-1T 路由器意图分发轻量三分类快而准500msQwen3.7-plus️ 眼睛视觉理解中文OCR结构化输出1-3s蚂蚁·安诊儿 大脑专业决策医疗级解读合规建议2-5s核心原则意图识别要快——轻量模型零负担路由视觉识别要准——多模态能力精准读数医疗分析要专——垂域大模型安全可信。三者职责切干净不越界。七、安全与合规7.1 医疗场景安全围栏健康类智能体必须建立安全底线。血压管家在以下层面构建多层安全围栏1提示词安全围栏在多模态读数识别和医疗建议生成阶段Prompt 中嵌入以下安全约束绝对禁止不得给出绝对化诊断结论如「您患有高血压」✅标准表述始终使用「根据本次测量数据您的收缩压偏高建议…」「该数值处于高血压1级范围建议就医进一步评估」禁止行为不得替代医生开具处方、调整药物剂量、给出治疗方案禁止输出元信息「以上共XX字」等字数统计、模型自述等非健康建议内容一律禁止2血压分级预警矩阵分级收缩压(mmHg)舒张压(mmHg)系统话术策略正常12080告知正常鼓励保持偏高120-13980-89提示偏高建议生活方式调整高血压1级140-15990-99明确建议就医提供科室指引高血压2级160-179100-109强调尽快就医提示风险高血压3级≥180≥110紧急提醒建议立即就医3兜底机制错误日志记录异步插件写入/查询失败时记录失败日志并在下次查询时触发补写确保数据不丢失。八、真机体验优化6个踩坑实录AI眼镜是受限终端模拟端正常≠真机正常。以下是我们踩过的6个坑及解法#坑现象根因解法经验1 端侧注入跑偏唤醒后AI回复文不对题端侧自动注入PC模拟时没有的系统提示词首节点分支拦截命中直接回固定欢迎语真机与模拟端行为不同第一个节点就要做守门员2⏳ 推理静默焦虑视觉/医疗模型思考3-5秒用户以为卡死大模型推理时无中间反馈调用大模型前先插直接回复节点回过渡话术正在为您分析…就能把焦虑变期待3✂️ 末尾画蛇添足大模型回复后附加以上共XX字限制字数后模型自发统计Prompt末尾加安全围栏“禁止输出字数统计及任何元信息”限制越多越要在Prompt里明确禁止补偿行为4 卡片文字截断长篇建议在默认问答卡片中显示不全默认卡片有字数/行数限制改用GPASS信息流卡片支持滚动完整展示产品形态要匹配内容体量5 折线图实效PC端动态折线图在眼镜上单色模糊、可读性差眼镜屏幕低分辨率单色显示无奈放弃改为文字趋势描述可视化要在目标终端上验证不能只看PC效果6 异步插件兜底边缘情况下异步写入可能失败网络波动/数据库瞬时不可用增加retry退避机制失败日志下次查询时触发补写异步不等于不管需要优雅降级九、遗憾与展望9.1 遗憾被迫放弃的动态折线图原本已在PC模拟端实现了用户血压历史记录的数据动态分析折线图效果。但上机实测发现眼镜端图片效果不佳单色且细节模糊可读性差同时需考虑赛道4无屏兼容图形在无屏眼镜上完全失效。综合权衡后无奈放弃。希望官方后续能支持SVG动画效果解锁更多数据可视化玩法。9.2 展望从血压到家庭健康中枢方向描述价值多指标扩展接入血糖仪、血氧仪、体重秤等家用设备的多模态识别从单指标到全景健康家属共享子女远程查看父母血压趋势异常即时通知家庭慢病共管SVG可视化官方支持后重新上线动态趋势图、周报月报数据价值最大化结语四项核心经验回顾整个开发过程我们提炼出四条可复用的经验形态即产品力不是把手机App搬到眼镜上而是找到只有眼镜形态才成立的交互——血压管家的使用场景和解决痛点决定了智能眼镜是最佳载体低代码≠低质量百宝箱工作流虽然不用写代码但19个节点的编排逻辑、Prompt的精细打磨、真机反复联调——这些工程化投入一点都不少。节点越多对系统思维的考验越大。医疗场景的围栏意识健康类智能体必须建立安全底线——异常值先建议就医、不替代医生诊断、不给出绝对化承诺。这既是合规要求也是用户信任的基础。双赛道是镣铐也是翅膀同时兼容有屏和无屏确实增加了设计约束如图形可视化受限但也倒逼我们做好语音优先的核心体验——而这些投入在任何硬件受限的场景中都能复用。演示视频【GPASS AI眼镜大赛】血压管家 本文为 GPASS AI 眼镜智能体开发者大赛「血压管家」项目技术文档供评委与社区参考。如果觉得有帮助欢迎点赞、收藏、关注一起探索 AI 眼镜的更多可能