今年 6 月，Cloudflare Radar 发布了一组值得所有医院管理者关注的数据：在全球互联网上，智能体（AI Agent）的流量已经超过了人类对 HTML 网页的直接访问流量。

　　这意味着越来越多的患者不再自己翻网页找医生，而是直接问豆包、DeepSeek："广州看胃肠外科哪个专家好？""深圳儿童医院内分泌科怎么样？"AI 的回答，正在替代搜索引擎，成为患者就医决策的第一入口。

　　当 AI 向患者推荐医院和专家时，它的信息从哪里来？答案是——从你的官网上来。官网内容贫瘠、结构混乱，AI 就"读不懂"你，自然不会推荐你。下面三个小工程，投入不大，但能实实在在地让大模型更愿意推荐我们。

　　工程一：把散落的内容"收"回官网，建一座 AI 能读的"内容水库"

　　过去几年，各家医院在订阅号、视频号、抖音号上积累了大量优质内容——科普文章、手术视频、健康讲座、医患故事。但这些内容都封存在各自的平台算法里，AI 爬取不到，过了发布期就石沉大海。

　　我们合作的广州市某医院在这方面做得很有代表性：我们把胃肠外科、结直肠肛门外科的科普视频全部转成文字稿，按病种、术式、专家三维度归档到官网，患者搜"肠造口护理"能直接定位到对应专家的文章和视频。另外一个深圳某医院则把内分泌科、呼吸科的线上义诊回放整理成文字实录，大模型网搜索"性早熟""儿童哮喘"都能调出他们医院贡献的内容。

　　要做的事其实不复杂：视频转文字稿、订阅号文章同步官网、按科室和病种分类打标签。官网不是摆设，它是 AI 认识你的"主数据库"。内容越全、分类越细，AI 越有料可推荐。抖音上一条 10 万+的科普视频，如果不同步到官网，对 AI 来说等于不存在。

　　工程二：让专家"立体"地呈现在官网上，给 AI 一张完整的"学术名片"

　　很多医院官网的专家介绍只有三行字：姓名、职称、出诊时间。这对 AI 来说信息量几乎为零——它无法判断这位专家到底擅长什么、学术地位如何、值不值得推荐。

　　广州某附属医院的官网值得学习：每位呼吸科专家页面下，不仅有擅长领域和出诊时间，还列出了代表性学术论文、主持的科研项目、学会任职，甚至把专家在中华医学会年会上的演讲 PPT 摘要公开在页面上。深圳某合作医院也在做类似尝试：骨科、妇产科专家页面关联了其带教的规培生教案、科室业务学习课件，让患者和 AI 都能看到专家的教学能力和学术沉淀。

　　一位专家值得被 AI 推荐，需要有完整的学术画像：科室特色是什么？专家擅长哪些病种？既往发表过哪些论文？在学术会议上做过哪些演讲？带教课件和教案能不能公开？这些不是内部机密，而是专家实力的最好证明。把它们结构化地呈现在官网上，AI 在回答"某某病哪个专家看得好"时，才有据可依、有例可引。

　　工程三：网站 IT 技术优化，让 AI"读得顺、抓得到"

　　内容再好，如果技术上有障碍，AI 也爬不到。几个关键优化点：

　　- 结构化数据标记：用Schema.org 标准给专家信息、科室介绍打标签，让 AI 一眼识别"这是一位医生""这是一篇科普"。

　　- 语义化网页结构：标题、正文、列表用正确的 HTML 标签，不要全靠图片展示内容——AI 读不了图片里的字。

　　- 网站加载速度：页面打开慢，AI 爬虫会直接放弃。压缩图片、精简代码，三秒内打开是底线。

　　- 清晰站点地图与稳定URL：提交 sitemap，确保每位专家、每篇文章都有独立稳定的链接，方便 AI 索引和引用。

　　- 内链建设：专家页面链接到相关科普，文章里链接到对应专家，形成内容网络，AI 更容易发现和关联。

　　这三件事，不需要大投入，也不需要等新系统上线。但它们决定了：当下一个患者问 AI"我该找谁看病"时，我们的专家会不会出现在回答里。