上药控股的经营现场，是药师要在专业资料、药品信息和患者问题之间快速检索。公开资料显示，上药云健康把 DeepSeek 大模型与 RAG 药学知识库接到药事服务平台，做的是辅助检索与提示，不是让模型替药师下结论。

真正的成本不只是一条问答慢几分钟，而是知识分散、提示漏项、复核责任不清。本文拆清这条工作流，也给药事、数字化和质量合规团队一张 2—4 周小闭环卡。

上药控股直属上海医药，是全国性现代医药供应链服务企业，业务覆盖分销、零售、物流和医疗延伸服务。上药控股官网披露，上药云健康已将全场景药事服务平台接入 DeepSeek＋RAG 药学专业知识库；上海医药年报则披露了 AI 应用工作指引和数据与人工智能创新中心。关注价值在于：AI 进入了专业服务动作，而不只是办公聊天。

第一，知识要找得快。 药品、疾病、指南和问答资料分散在不同来源，普通关键词搜索难以按场景组织证据。

第二，风险要被提醒。 相互作用、不良反应是提示候选，不是模型可以独立确认的结论。

第三，责任要留在人。 没有版本、引用、审核人和回退路径，答案越快，风险越难追。

你可以先自检：团队是否能说清“谁看提示、谁做终审、错了回到哪一步”？

输入：药师录入问题、药品和已知用药信息。

检索与生成：RAG 从受控知识库召回条目，DeepSeek 组织答案和候选风险提示。

复核：药师核对原文、版本、适用范围和患者情境。

回写：保留采纳、修改、驳回和原因，进入复盘。

一句话总结：AI 负责缩短“找资料”，药师负责完成“做判断”。

知识层：指南、药品资料、问答和版本记录；模型层：检索、归纳、提示和引用；责任层：药师终审、质量合规抽检、IT 权限和异常回退。三层不分，RAG 只是把资料塞给模型；三层分开，才可能形成可追溯的工作台。

腾讯云 ADP 页面披露：覆盖 13 个科室、66 种病种、5000 条用药问答，并写有“提升药师效率 30%”；页面还披露 AI 智能体中心服务 3 万员工。基线、样本、统计期和独立审计未公开

特点 1：把知识库放进真实工作流，而不是另建一个聊天窗口。

特点 2：把提示和原文引用一起交给专业人员复核。

特点 3：用 AI 中心承接跨部门场景，但每个场景仍要有业务负责人。

适合医药流通、DTP 药房、药事服务、质量法规和专业客服团队；前提是资料可授权、版本可管理、责任人可追溯。不适合一开始就想自动处方、没有知识管理员、也没有回退流程的团队。

只选一个问题：药师高频用药问答。八步是：定范围、列人工基线、清知识源、建检索、设提示模板、指定药师终审、抽样验收、失败回退。主要指标只选一个：一次回答找到有效依据的用时。老板转发语：先看一个专业动作能不能被验证。下属执行卡：场景、知识、终审人、指标、回退，各填一行。

业务药师：问题拆解与证据判断；AI／数据：切分、召回与评测；IT：权限、日志与接口；质量合规：版本、抽检与红线；财务绩效：定义基线与成本。技能升级不是学会提示词，而是学会把专业判断变成可验收流程。

不能照搬模型、知识库规模、员工数量或供应商数字；不能把提示写成诊断；不能省掉药师终审和知识版本；不能从一个场景直接推全员推广。国内迁移应先补数据、责任人和人工基线，再谈平台化。

Q1：这是什么？ 是 DeepSeek＋RAG 药学知识库辅助药师检索和风险提示的工作流。

Q2：为什么不是普通搜索？ 因为它把受控知识召回、上下文组织和人工复核连在一起。

Q3：怎么开始？ 先选一个高频问题，保留人工基线，2—4 周做小样本验收。

Q4：谁参与、如何验收？ 药师、AI／数据、IT、质量合规和财务共同参与；看依据命中、终审采纳、异常回退和用时，不看模型回答得像不像人。

AI 的价值在责任链里。

上药控股这个案例最值得借的，不是把 DeepSeek 接上去，而是把专业知识、模型提示和人工责任放在同一条链上。你所在团队最想先缩短哪一个检索动作？欢迎留言告诉我：药事、质量、客服还是内部知识管理。

主要资料：上药控股官网新闻、腾讯云 ADP 客户页、上海医药 2025 年年报、科技日报报道。企业和供应商披露不等于独立审计；效率数字的完整口径、医疗结果、采用率和回退率未公开。本文只讨论企业工作流，不构成用药建议。

关键词：上海医药、上药控股、AI 药师助手、DeepSeek、RAG 药学知识库、药物相互作用、医药数字化、企业 AI 落地、智能体中心、药事服务。

我是森林教练，陪企业把 AI 从概念拆成一个能验收的小动作。服务包括：AI 场景筛选、知识库与流程诊断、岗位协作设计、2—4 周试点复盘。

需要把一个专业流程接上 AI，可私信“AI诊断”。