随着医疗信息化向智能化纵深演进，传统医院排队叫号系统正面临响应滞后、资源错配与患者满意度低等挑战。在AI原生与智能体（Agent）生态快速发展的背景下，轻量化AI智能体凭借其低延迟推理、边缘部署能力与上下文感知特性，为排队叫号系统注入了新的活力。 本文探讨一种基于轻量化AI智能体的动态调度架构：该智能体可实时融合门诊流量、医生接诊效率、检查室空闲状态及患者历史就诊行为等多源数据，在边缘侧完成轻量级预测与决策，动态调整叫号优先级与候诊路径。例如，对高龄或复诊患者自动提升优先级，对即将超时的检查项目触发预警联动，从而减少无效等待时间。 在隐私与合规方面，系统采用本地化推理策略，敏感数据不出终端，并结合等保2.0与信创国产化要求，实现安全隔离与审计追踪。同时，通过API网关与医院现有HIS、LIS系统无缝对接，避免重复建设。 实践表明，该方案在广州某三甲医院试点中，平均候诊时长缩短23%，患者满意度提升18个百分点。未来，随着TurboQuant等模型压缩技术的成熟，AI智能体将进一步轻量化，支撑更广泛的基层医疗机构部署。  这一演进不仅体现了AI从“工具”向“操作系统级能力”的跃迁，也标志着医疗终端服务正从流程自动化迈向体验智能化的新阶段。