医疗语音Agent最难的不是“像人说话”，而是正确预约、守住身份边界，还不能让患者在电话里长时间沉默。Natera用四个月把移动采血预约Agent从500次端到端仿真送进生产：验证阶段工具调用和参数提取均为100%，上线后的四周处理4744通真实电话。

这不是标准预约表，而是一条跨供应商流程

Natera为肿瘤患者提供上门采血。患者来电后要完成身份验证，提供三个偏好日期和服务地址，再由系统协调采血人员与多家服务商。流程还涉及短信验证码、订单信息、可用时间窗、保险与准备事项，复杂情况必须平滑转给人工。

旧系统使用第三方语音AI、Twilio电话连接和ECS容器，功能可用，但准确性、扩展和会话体验仍有改进空间。迁移到AgentCore后，团队把容器扩缩、健康检查和部署清单交给托管运行时，把本地会话状态外置到按actor ID管理的记忆层，避免重启后上下文消失。

双WebSocket把电话和模型拆成可替换部件

架构维持两条并行连接：一条接电话提供商，另一条接实时语音模型，中间的AgentCore负责拦截工具请求、执行业务逻辑并把结果送回对话。这样更换Twilio、Amazon Connect或语音模型时，不必重写整套预约系统，代价是连接生命周期和并发状态更复杂。

团队没有只追求缩短后端耗时，而是先管理患者感知。每个工具根据历史P50延迟设置触发点，通常在调用约1.5秒后并行生成一句不承诺结果的自然回应；如果工具提前完成，这句话就被取消。追踪结果还显示，70%的感知延迟来自一个外部供应商API，而不是大模型，避免了优化错对象。

渐进式信任，比一上来索要全部身份更自然

系统先对来电号码做SHA-256哈希，以此建立低信任会话，只保存问候和初始意图。完成个人身份验证后，才用患者ID创建认证会话，并把此前对话迁入新会话。未认证阶段看不到处理个人信息的工具，认证后也只能访问当前患者的数据。

这套设计把权限提升和对话进度绑在一起，减少患者重复说明。输出护栏阻止语音读出敏感标识，Agent不提供诊断或检查结果解读；遇到紧急语言、情绪异常或特定关键词则转人工。渐进认证必须在actor ID和记忆模型设计初期完成，后补往往意味着重写所有状态读写路径。

生产数据好看，但不能只看“100%”

100%工具调用来自500个仿真场景，不代表现实电话永不出错。生产四周里，系统处理量比旧系统高5.5%，短通话率下降10个百分点，NPS调查响应率从1.09%升至1.60%；但满意度结构基本稳定，完成通话的平均时长反而从79秒增至101秒，说明目标更偏向让患者留在流程中，而非单纯追求快。

语音识别也会把少见姓名听错，团队因此增加低置信度拼写工具。供应商联合案例披露了架构和早期数据，但仍缺少更长周期的转人工率、预约最终履约率、不同人群误差和运营人员负荷。医疗场景还要持续审查数据驻留、合作服务协议与紧急升级流程。

编辑判断：先把等待、身份和失败都设计成产品

Natera案例最可复用的不是某个模型，而是三条交付纪律：把语音与业务编排解耦、用事件处理感知延迟、按信任等级逐步开放工具。FDE团队上线前应覆盖口音、噪声、罕见姓名、短信失败、供应商超时和人工接管，逐项记录识别错误、工具参数错误和最终业务结果。

生产看板不能停在通话量和响应时间，还要追踪身份验证完成率、预约履约率、短通话率、人工介入率、患者投诉与单位成功预约成本。患者愿意继续说下去只是第一步；只有预约真的完成、隐私没有越界、异常有人接住，语音Agent才算从一场流畅演示变成医疗服务。