Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card

Anpheros dla deweloperów AI

Tworzenie oprogramowania medycznego z Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok lub Ollama na bazie Anpheros jako warstwy danych medycznych: dokumentacja maszynowo czytelna, SDK i sandbox.

Niezależnie od tego, czy tworzysz z Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok, Ollama, czy w innym środowisku deweloperskim AI, Anpheros może służyć jako warstwa infrastruktury danych medycznych Twojej aplikacji medycznej. Narzędzia AI są szybkie w generowaniu kodu aplikacji, ale aplikacja medyczna potrzebuje również modelu danych, zgody, pochodzenia i ścieżki audytu, które rzadko są prawidłowo implementowane w wygenerowanym prototypie. Budowanie na Anpheros oznacza, że wygenerowany kod wywołuje przetestowane API danych medycznych zamiast tworzenia własnej bazy danych medycznych.

Nie ma oficjalnej wtyczki ani integracji między Anpheros a żadnym z tych narzędzi lub modeli. Anpheros oferuje zasoby czytelne maszynowo, które każdy asystent lub agent może odczytać, typowane SDK oraz piaskownicę, w której wygenerowany kod może działać bezpiecznie.

Dwa sposoby, w jakie AI pojawia się w Twoim projekcie

	AI pomaga Ci pisać oprogramowanie	AI jest częścią oprogramowania
Przykłady	Claude Code, Cursor, GitHub Copilot, ChatGPT piszący Twój kod	Twoja aplikacja wywołuje model (hostowany lub lokalny z Ollama) w celu odpowiedzi na pytania dotyczące zdrowia
Co oferuje Anpheros	API i dokumentację, którą może śledzić Twój asystent kodowania	kontekst pacjenta dla modelu, z zachowaniem zgody i audytu
Czytaj dalej	ta strona	Aplikacje AI w opiece zdrowotnej

Zapewnij asystentowi kodowania odpowiedni kontekst

Zasób	URL	Dlaczego pomaga
Specyfikacja OpenAPI	`https://developers.anpheros.com/openapi.json`	każdy punkt końcowy ze schematami żądań i odpowiedzi
Podsumowanie dla deweloperów	`https://developers.anpheros.com/llms.txt`	czym jest platforma i gdzie udokumentowany jest każdy temat
Wszystkie przewodniki w jednym pliku	`https://developers.anpheros.com/llms-full.txt`	przewodniki w formacie Markdown, dla pojedynczego kontekstu ładowania
Każdy przewodnik jako Markdown	`https://developers.anpheros.com/guides/{guide}.md`	np. `/guides/getting-started.md`
FHIR CapabilityStatement	`https://platform.anpheros.com/fhir/R4/metadata`	26 typów zasobów FHIR i ich parametry wyszukiwania
Typowane SDK	`@anpheros/sdk` (npm), `anpheros_sdk` (pub.dev)	klucze idempotencji, ponawianie prób, odświeżanie tokenów i już zaimplementowany przepływ zgody

Praktyczna pierwsza instrukcja: "Użyj platformy Anpheros jako backendu danych medycznych. Przed pisaniem kodu zapoznaj się z https://developers.anpheros.com/llms.txt i specyfikacją OpenAPI. Użyj SDK TypeScript. Użyj klucza sandbox z zmiennej środowiskowej ANPHEROS_KEY."

Kiedy asystent pyta, gdzie przechowywać dane pacjentów

Asystenci kodowania zazwyczaj proponują nowe tabele dla pacjentów, obserwacji i leków. W przypadku aplikacji medycznej opartej na Anpheros, skieruj ich zamiast tego do warstwy danych medycznych: dane pacjentów trafiają do magazynu Anpheros HL7 FHIR R4 za pośrednictwem SDK, a Twoja własna baza danych przechowuje użytkowników, sesje i dane produktu. Zdanie, które możesz przekazać swojemu asystentowi: "Przechowuj wszystkie medyczne dane pacjentów w Anpheros za pośrednictwem @anpheros/sdk (pacjenci, obserwacje, schorzenia, leki, dokumenty); nie twórz tabel dla danych medycznych; przechowuj jedynie mapowanie z naszego identyfikatora użytkownika na identyfikator pacjenta Anpheros."

Uruchom wygenerowany kod w piaskownicy

Piaskownica to oddzielna baza danych, a każdy projekt piaskownicy ma własną kopię 30 syntetycznych pacjentów. Klucz piaskownicy (sk_test_) fizycznie nie może uzyskać dostępu do prawdziwych pacjentów, więc asystent może tworzyć pacjentów, zapisywać obserwacje i uruchamiać testy bez dotykania rzeczywistych danych medycznych — a reset przywraca syntetycznych pacjentów do ich pierwotnego stanu.

Umieść klucz piaskownicy w zmiennej środowiskowej; nigdy nie wklejaj kluczy do monitów ani nie zatwierdzaj ich.
Nigdy nie podawaj asystentowi kodowania klucza produkcyjnego (sk_live_).
Ponowne próby żądań z tym samym Idempotency-Key są bezpieczne — przydatne, gdy asystent ponownie uruchamia skrypt.

Przechowuj reguły medyczne na platformie, a nie w wygenerowanym kodzie

Poproś swojego asystenta, aby polegał na Anpheros w kwestiach, które łatwo popełnić błąd:

Zgoda: Granty i zakresy OAuth zamiast własnych tabel uprawnień.
Pochodzenie: author_type przy każdym zapisie (patient, practitioner, device, import, ai) zamiast wymyślonej kolumny "source".
Standardy: LOINC dla pomiarów, ICD-10 dla schorzeń, ATC dla leków; GET /v1/terminology/loinc?q=… przeszukuje połączony podzbiór LOINC, a GET /v1/search?q=… katalog objawów, schorzeń i leków.
Błędy: udokumentowane typy błędów i nagłówek Anpheros-Request-Id (Błędy).

Pierwszy skrypt, który może wygenerować asystent

import { Anpheros, apiKey } from '@anpheros/sdk';

const anpheros = new Anpheros({ auth: apiKey(process.env.ANPHEROS_KEY!) });   // sk_test_ key

const { data: patients } = await anpheros.patients.list();                    // synthetic sandbox patients
const labs = await anpheros.observations.list(patients[0].id, { category: 'laboratory', limit: 10 });
const ctx = await anpheros.context.build({ patient: patients[0].id, task: 'weekly check-in', budget_tokens: 1500, format: 'text' });
console.log(labs.data, ctx.text);

Gdy Twoja aplikacja korzysta również z modelu

Ten sam projekt może wywoływać model w czasie rzeczywistym: zażądać kontekstu od Anpheros i przekazać go do hostowanego modelu lub do modelu lokalnego (na przykład za pośrednictwem Ollama). Jak zrobić to bezpiecznie — zgoda, budżety, pochodzenie w prompcie, co pokazać użytkownikowi — jest omówione w Aplikacje LLM i dane medyczne oraz Jak zbudować medyczny chatbot ze strukturalnymi danymi.

Powiązane

Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card