# 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 czytelna maszynowo, SDK i piaskownica.

Source: https://developers.anpheros.com/pl/guides/ai-developers

**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](https://developers.anpheros.com/pl/guides/ai-healthcare) |

## 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](https://developers.anpheros.com/pl/guides/errors)).

## Pierwszy skrypt, który może wygenerować asystent

```ts
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](https://developers.anpheros.com/pl/guides/llm-healthcare-data) oraz [Jak zbudować medyczny chatbot ze strukturalnymi danymi](https://developers.anpheros.com/pl/guides/ai-medical-assistant).

## Powiązane

- [Serwer FHIR MCP dla agentów AI](https://developers.anpheros.com/pl/guides/mcp)
- [Zbuduj aplikację medyczną](https://developers.anpheros.com/pl/guides/build-a-healthcare-app)
- [Buduj z Anpheros](https://developers.anpheros.com/pl/guides/build-with-anpheros)
- [Agenci AI i dane medyczne](https://developers.anpheros.com/pl/guides/ai-agents-medical-data)
- [SDK](https://developers.anpheros.com/pl/guides/sdks)