把照護的連續性，
一篇一篇 寫回來。
關於醫療 AI、Agentic Workflow、Model Context Protocol、與台灣健康資料生態的長文。 每月 1–2 篇。技術、設計、與倫理都談。
Taiwan Health MCP 線上版使用指南：在 Claude 與 Cursor 直接查詢台灣藥品與 FHIR 資料
Taiwan Health MCP 提供免自架伺服器的連線端點，讓開發者在 Claude Code、Claude Desktop 或 Cursor 中直接查詢台灣食藥署藥品仿單、辨識外觀特徵，並產出標準 FHIR R4 Medication 資源。
下一篇文章，
第一時間送到你的信箱。
每月 1–2 篇關於醫療 AI、Agentic Workflow、與台灣醫療現場的長文。
所有文章
創新解方AI 營養師 LINE 版如何運作？從多模態食物辨識到臨床營養決策的完整解析
AI 營養師如何透過 LINE 在 30 秒內完成食物拍照辨識、營養素換算與臨床審核？深入解析 DietMate 多模態視覺架構、分層信心機制與診所工作流整合。
2026.06.14 · 9 分鐘閱讀
創新解方MCP × FHIR R4 實戰指南：讓 AI 直接讀懂台灣醫療資料的技術細節
MCP 與 FHIR R4 的組合讓 AI Agent 可以直接查詢台灣醫療資料，不需要客製化 API 包裝層。本文以實際程式碼說明 Taiwan Health MCP 的 FHIR 模組架構、三步驟串接流程，以及三個醫院場景的具體應用。
2026.06.14 · 6 分鐘閱讀
創新解方Taiwan Health MCP 是什麼？台灣醫療 AI 開源專案完整入門指南
Taiwan Health MCP 是台灣第一個醫療開源 MCP 專案，整合 ICD-10、LOINC、FHIR R4 等標準。本文帶你了解 MCP 是什麼、Taiwan Health MCP 能做什麼、以及如何開始使用。
2026.06.14 · 6 分鐘閱讀
創新解方醫療 AI Agent 記憶機制（下）：強化思考鏈與工具調用策略
探討醫療 AI Agent 如何透過思考鏈 (CoT) 與工具調用 (Tool Calling) 提升決策品質，以及在台灣醫療場景下的多 Agent 協作與合規性考量。
2026.04.22 · 10 分鐘閱讀
創新解方醫療 AI Agent 記憶機制（上）：在地化優先與合規挑戰
在台灣智慧醫療脈絡下，探討 AI Agent 記憶機制如何達成在地化與合規性，並介紹 PICO-Graph RAG 引擎與 SLM as Judge 機制，確保醫療 AI 的安全與精準。
2026.04.20 · 11 分鐘閱讀
創新解方開源揭幕（二）｜FHIR R4 在台灣醫療的實際落地：從數據孤島到跨院互通
深入解析 Taiwan Health MCP 的系統架構，探討 FHIR R4 標準在台灣醫療數據整合中的應用，以及 8 個核心服務模塊的設計理念與工程實踐。
2026.01.11 · 8 分鐘閱讀
創新解方【技術洞察】AI Agent 的大腦與手腳：深度解析 Claude Skills 與 MCP 的關鍵差異
從工程架構角度拆解 Claude Skills 與 MCP 的本質差異：LLM 作為大腦、Skills 作為標準作業程序、MCP 作為對外連接管道。三者各司其職，不是替代關係。
2025.12.15 · 5 分鐘閱讀
創新解方揭開 AI 營養師背後的技術:DietMate 的多模態 AI 系統是如何運作的?
深入剖析 DietMate 的 AI 技術架構:從影像辨識、多智能體協作到營養師審核。
2025.11.23 · 8 分鐘閱讀
創新解方台灣 4,000 位營養師要對應 500 萬慢性病患者：DietMate 怎麼改變這個比例
台灣執業營養師約 4,000 人，慢性病患者超過 500 萬，比例 1:1,250。DietMate 透過 AI 輔助，針對飲食記錄流程中最耗時的三個步驟，每次評估節省 10–15 分鐘。
2025.11.23 · 6 分鐘閱讀
