Files

colinislit c8aaba657e refactor(swift): update references from Medical Scribe to Swift Assistent

- Updated comments and documentation to reflect the new branding of the chat API and related components.
- Renamed functions and variables to align with the Swift Assistent terminology.
- Enhanced UI components with animations using Framer Motion for a smoother user experience.
- Removed outdated architecture documentation related to the Medical Scribe system.

This change is part of the transition to the Swift Assistent branding, ensuring consistency across the application.

2025-12-29 22:40:34 +01:00

3.4 KiB

Raw Blame History

Architecture Proposal: Swift Intent System V2

Status: Draft Based on:

ux-evaluation-intent-scalability.md (The "Don't make me think" rule)
ux-simulation-intent-next-level.md (The "Be my partner" wish)

1. The Triad Consensus (PO, UX, Dev)

De PO, UX en Lead Developer hebben de bevindingen geanalyseerd. Dit is de gezamenlijke conclusie:

"We stoppen met optimaliseren voor milliseconden (Pre-optimization) en starten met optimaliseren voor intelligentie (Agentic UI)."

PO: "Akkoord met hogere 'cost per interaction' (AI tokens) als dit directe tijdwinst oplevert voor de zorgverlener (minder administratie)."
UX: "De interface moet 'Invisible' worden. Geen commando's leren, maar intenties uitspreken."
Dev: "De huidige 'Strict Hierarchy' (Strategie 1) is te rigide. We gaan voor een Hybrid Leader/Follower architectuur: Lokale snelheid waar kan, AI intelligentie waar moet."

2. Core Architecture: "The Swift Cortex"

We vervangen de simpele Classifier door een slimmere Cortex.

Layer 1: The Reflex Arc (Lokaal, <20ms)

Wat: Regex & Keyword matching (zoals nu).
Doel: Directe actie voor "High Confidence, Low Risk" commando's.
Scope: Navigatie, simpele queries ("Agenda vandaag"), start commando's.

Layer 2: The Intent Orchestrator (AI, ~400ms)

Wat: Een kleine LLM (Haiku/Gemini Flash) die fungeert als "Router".
Nieuwe capability: Multi-Intent Parsing.
- Input: "Zeg Jan af en zet in zijn dossier dat hij griep heeft."
- Output: [CancelAppointment(Jan), CreateNote(Jan, "Griep")]
Nieuwe capability: Entity Disambiguation.
- Snap dat "Jan" verwijst naar de patiënt die ik vandaaag in mijn agenda heb.

Layer 3: The Safety Net (Contextual Logic)

Wat: Een business logic laag die na de intent draait.
Functie: Proactive Suggestions.
- Trigger: Intent CreateWoundCareNote 'completed'.
- Logic: Check Protocol(Wondzorg).
- Action: Suggest ScheduleFollowUp.

3. Implementation Roadmap

Phase 1: Hybrid Foundation (Week 1-2)

Behoud huidige lokale patterns voor snelheid.
Bouw de AI Fallback Router in. Als lokaal faalt (<60% confidence), stuur direct volledige context naar AI.
UX Win: Geen "Ik begrijp het niet" meer. Altijd een poging tot begrip.

Phase 2: Chains & Context (Week 3-4)

Context Injectie: Stuur ActivePatient, RecentIntents, en AgendaToday mee in de AI prompt.
Multi-Intent Support: Pas de frontend aan om een lijst van acties te verwerken in plaats van één.

Phase 3: Agentic Proactivity (Maand 2)

Suggestion Engine: UI element (Toaster/Card) dat vraagt: "Wil je ook X doen?"
Medical Knowledge Base: Koppel protocollen aan intents.

4. Technisch Ontwerp Schets (Dev)

graph TD
    User["User Speech"] --> Reflex["Layer 1: Reflex (Regex)"]
    Reflex -->|Match > 90%| Action["Execute Action"]
    Reflex -->|No Match / Low Conf| Cortex["Layer 2: AI Cortex"]
    
    subgraph Context
        Store["Active Patient"]
        Agenda["Today's Schedule"]
    end
    
    Context --> Cortex
    
    Cortex -->|Multi-Intent Detected| Plan["Execution Plan"]
    Plan --> Action1["Action A"]
    Plan --> Action2["Action B"]
    
    Action1 --> Safety["Layer 3: Safety Net"]
    Safety -->|Trigger Found| Suggestion["Suggest Follow-up"]

3.4 KiB Raw Blame History