一、技术赋能医药数字化，AI分享聚焦提效核心
在医药行业数字化转型加速的当下，AI技术正成为破解业务效率瓶颈的关键。未名企鹅始终以技术创新为核心，常态化组织技术极客、客户案例的内部分享会，增加企鹅团队在技术和研发维度的整体内驱力、为优秀员工和团组搭建展示和历练成长的平台，进而优化医药客户服务的AI数字化体验效果、并间接助力客户新质生产力水平的潜在提升。
近日，企鹅Java工程师YIFU带来的《构建我们自己的业务“任务引擎”》AI主题分享，为采集组及全司技术研发同学注入了新的思路与动能，让技术真正服务于医药业务场景。
二、核心分享：任务引擎的技术构建与医药场景适配（关于AI Agent与MCP服务架构的探索与实践）
在任务引擎构建初期，数据处理依赖纯人工操作：从邮件下载文件后用Excel手动处理，再上传系统，流程繁琐且易出错。为解决这一问题，团队先将人工操作转化为脚本执行，减少本地手动步骤；后续进一步优化脚本重放功能，减少对大模型的依赖，降低成本并提升稳定性，为AI任务引擎的成型打下基础。
A.核心理念：AI是广义的“任务自动化引擎”
AI Coding并非狭义的“AI编程”，而是广义的“任务引擎”，理论上能自动化数字世界中单人+电脑可完成的所有任务。相较于依赖开放式聊天的AI落地模式，任务自动化才是真正能产生海量价值的场景——如同雇佣大量低成本“数字实习生”，且成本未来仍有大幅下降空间。
B.医药场景破局：从手动繁琐到AI自动化
医药数据处理中，客户通过邮件发送的ERP数据格式各异，实施同事需手动下载、调整表头/合计行、整理序列后才能入库，重复且耗时。对此，团队用“AI Agent+MCP服务”构建任务引擎，实现全流程自动化：用户只需输入自然语言指令（如“按经销商列拆分文件”“忽略标题行和合计行后按客户ID拆分”），引擎即可快速完成处理并生成结果，还能将操作流程保存为脚本，在脚本库中一键复用，大幅提升效率。
C.技术支撑：Function Calling与MCP架构
任务引擎的核心能力源于两大技术支撑：一是基于Deepseek v3模型的Function Calling技术，实现“自然语言→结构化JSON机器指令”的精准翻译；二是自研的MCP（Model-Context-Protocol）服务架构——Model负责理解意图、规划步骤并生成指令；Context维护对话记忆、工具案例和任务状态；Protocol定义通信格式与指令/反馈规范。脚本本质是MCP循环生成的指令序列，首次执行依赖LLM思考，复用阶段直接重放指令，成本更低、速度更快。
D.价值与规划：效率提升与“数字员工”军团
目前任务引擎已实现效率显著提升、零门槛使用和能力可扩展的核心价值。未来将持续扩展：短期丰富MCP工具箱，覆盖数据校验、异常识别等功能；长期组装自主邮件处理Agent（自动读邮、处理数据、回复邮件）和数据分析助理Agent（数据探索、可视化与简报生成），构建“数字员工”军团。
基于实践经验，团队正将任务引擎能力沉淀为公司标准化流程，重点升级邮件数据采集功能，实现处理全流程深度自动化，提升人才承载效率。自去年下半年启动研发至今，任务引擎已在医药场景落地，未来将继续挖掘AI与业务的融合点，通过技术迭代释放更多提效价值。
三、结尾：技术深耕不止，共赴医药数字化新征程
此次分享不仅是技术经验的传递，更是未名企鹅“用AI技术重塑医药行业”理念的实践。未来，工程技术部将持续深耕AI与医药业务的融合，以更多场景化技术创新，为医药企业数字化转型提供硬核支撑。让我们期待企鹅技术研发团队更多技术火花，用代码与算法书写医药数字化的新篇章！
