AI 赋能：公卫领域协同新范式

疾控中心专题方案撰写组，五人分散各地——有的在单位、有的居家、有的身处基层督导一线。他们共同承担一份三四十页的鼠疫防控技术方案，内容涵盖风险评估、现场处置、实验室检测及信息报告四大模块，各模块由不同人员分工负责。

以往，这意味着：协调员需接收四份 Word 文档，逐一复制合并，常发现前言与结论数据不一致，只得逐个电话核实；有人修改了检测流程，协调员却不知情，合并时直接覆盖了他人刚完成的版本；最终定稿时，已无人能说清某段文字历经几轮修改、依据何在。

如今，他们采用的是一套工程师沿用二十年的协同方式——而驱动这一模式的，是 AI 智能体。

软件工程师将此类工作流称为基于 Git 的协同开发模式。

其核心逻辑极为简明：

每次实质性进展，均留下带时间戳的版本节点；欲合并他人修改，需先发起正式的“合并请求”；所有改动皆有迹可循，任何人都可追溯。

这套模式在 IT 行业已是常识。但在公共卫生、医学研究、卫生政策等领域，却从未真正普及——因其存在门槛：需掌握命令行，理解分支与合并概念，并在出错时懂得恢复方法。

AI 智能体正逐步拆除这道门槛。

在此工作模式中，所有协作以“项目”为单元展开。

一个项目，可是一份疫情调查报告，可是一个监测数据分析流程，可是一个数据清洗脚本，亦可是一套标准操作规程。

项目拥有专属文件夹、独立版本历史及协作成员列表。

以项目而非个人为单位，其根本优势在于：工作成果可流转、可继承，而非被锁定在某个人的电脑中。

传统模式中，“保存”往往意味着覆盖，一旦覆盖便难以找回。

Git 的理念恰恰相反：每次“提交”（commit），都是为当前状态拍摄快照，并标注时间与说明。快照永久保留，可随时回溯至任一节点。

在公卫场景中，这意味着什么？

每个节点均包含日期、说明及责任人。三个月后若有人问“当初为何如此撰写”，查看历史记录即可一目了然。

这远比在文件名末尾添加“_v3_最终_定稿”更为可靠。

在多人协作时，Git 的另一机制发挥关键作用——Pull Request（PR，合并请求）。

其逻辑如下：

这一流程在软件工程中称作“代码审查”。置于公卫场景，它便是同行评审的轻量化实现——无需开会，无需反复通话，意见直接标注于对应位置，修改记录清晰可查。

上述工作模式，过去需工程师耗费数月培训方可掌握。对公卫研究者而言，仅“在终端输入命令”这一关便足以劝退多数人。

AI 智能体改变的，正是这一点。

你无需记忆任何命令。

只需以自然语言告知 AI：“请将今日修改保存为新版，说明是依据李老师意见修订了结论部分。”AI 将自动完成操作，生成版本节点并撰写说明。

你说：“这部分分析已完成，请帮我发起合并请求，告知他人我修改了哪些内容。”AI 将整理改动摘要，创建 PR 并通知协作者。

人只需做出判断，AI 负责将意图转化为操作。

这是工具链向使用者靠拢，而非使用者迁就工具链。

设想一个真实的公卫场景：

省疾控组织编写登革热防控技术指南，全文预计八十页，分为流行病学背景、诊断标准、媒介监测、疫情处置、健康教育五章，由五位专家分工执笔，预计耗时六周。

项目启动时，AI 协助建立共用工作空间，五人各自在“分支”上独立撰写，互不干扰。

第二周，负责媒介监测章节的专家完成初稿——她只需对 AI 说“这部分可公开查看”，AI 即发起合并请求，自动生成改动摘要，标注新增内容及引用文献。其余四人收到通知，直接在对应段落批注，无需开会。

第四周，国家卫健委更新诊断标准，影响第二、四章多处表述。修改者提交快照，说明“依据 XX 号文件更新诊断部分”；其他人查看变更记录，逐条确认是否影响自身负责章节。

定稿时，版本历史完整保留六周内每次有意义修改、每条审阅意见及每个决策节点。一年后若需更新指南，打开历史记录，当初为何如此撰写、谁提出异议、最终以何理由定案——全部清晰可溯。

这不是科幻，而是当下。

并非因为“必须学会 Git”。

而是因为：协同工作的质量，直接决定公共卫生响应的质量。

一个版本混乱、责任不明、无法追溯的工作模式，平时是效率损耗，突发事件中则可能构成真实风险。

工程师历经二十年探索的这套协同范式，核心价值并非技术，而是秩序：每次改动皆有记录，每次合并均经确认，每个版本皆可还原。

AI 时代，这套秩序终于能以低门槛进入公卫领域。

“码上协同”，并非学习编程，而是以更严谨的方式对待我们的工作成果。

若您的团队也在探索此类工作模式，欢迎留言交流。本文内容由 AI 助手协助撰写。