当前位置：首页 > news >正文

5分钟上手仲景AI：中医大语言模型快速入门指南

news 2026/6/17 22:54:20

5分钟上手仲景AI：中医大语言模型快速入门指南

【免费下载链接】CMLM-ZhongJing首个中医大语言模型——“仲景”。受古代中医学巨匠张仲景深邃智慧启迪，专为传统中医领域打造的预训练大语言模型。 The first-ever Traditional Chinese Medicine large language model - "CMLM-ZhongJing". Inspired by the profound wisdom of the ancient Chinese medical master Zhang Zhongjing, it is a pre-trained large language model designed specifically for the field of Traditional Chinese Medicine.项目地址: https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing

还在为中医知识晦涩难懂而头疼？想用AI技术探索千年中医智慧？今天带你5分钟上手CMLM-ZhongJing——首个专为中医领域打造的大语言模型，让古老医学与现代AI完美融合！

🚀 零基础快速上手

环境准备与一键启动

💡 提示：仲景AI支持多种部署方式，从云端到本地都能轻松运行。如果你是AI新手，推荐从网页版Demo开始体验。

准备工作：确保你的电脑已安装Python 3.8+和pip包管理器。如果还没有，可以前往Python官网下载安装。

三步启动网页版：

# 1. 获取项目代码 git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing.git cd CMLM-ZhongJing # 2. 安装必要依赖 pip install -r requirements.txt # 3. 启动Web界面 python WebDemo.py

启动成功后，在浏览器中打开http://localhost:7860，一个专业的中医AI助手界面就展现在你面前了！

🚀 技巧：如果你的电脑没有GPU，模型会自动切换到CPU模式运行，只是响应会稍慢一些。

模型选择与配置

仲景AI提供了两个版本的模型，满足不同场景需求：

模型版本	参数量	硬件要求	适合场景
ZhongjingGPT1_13B	13B	高性能GPU	专业中医研究、深度诊断分析
ZhongJing-2-1_8b	1.8B	单张T4显卡	日常咨询、教学演示、快速体验

💡 提示：初次体验建议使用1.8B版本，对硬件要求低，响应速度快。如果需要更专业的诊断分析，再切换到13B版本。

🧠 核心功能深度体验

中医智能问答实战

仲景AI最核心的功能就是中医知识问答。试试这些实用场景：

场景一：常见症状咨询

问：最近总是头痛，中医有什么建议？ 答：头痛在中医中分为多种证型。如果是前额痛，多属阳明经头痛；两侧痛属少阳经；巅顶痛属厥阴经...

场景二：方剂查询

问：四物汤的组成和功效是什么？ 答：四物汤由当归、川芎、白芍、熟地黄组成，是补血调经的基础方...

场景三：辨证分析

问：我舌苔黄腻，脉滑数，可能是什么问题？ 答：舌苔黄腻、脉滑数多提示湿热内蕴，常见于脾胃湿热或肝胆湿热证...

图：仲景AI的多任务诊疗分解策略 - 将复杂的中医诊断过程分解为15个专业任务模块

专业诊疗能力展示

为了让你更直观地了解仲景AI的专业水平，我们对比了几个主流模型在中医诊疗任务上的表现：

测试场景	GPT-4	仲景AI	优势分析
常规症状咨询	泛泛而谈，无具体方剂	提供经典方剂，病机分析准确	中医专业性更强
复杂病例诊断	辨证模糊，方案不明确	辨证精准，处方合理	接近国医大师水平
西医通用问答	偏向护理建议	直接临床导向	更贴近医师思维

💡 实际案例：当用户询问"心痛彻背，背痛彻心"时，仲景AI准确识别为"胸痹"范畴，推荐了丹参饮和血府逐瘀汤等经典方剂，而GPT-4只能给出泛泛的健康建议。

🔬 技术原理揭秘

专业指令数据构建

传统AI模型在医疗领域最大的问题是"幻觉输出"——给出看似合理但实际错误的医疗建议。仲景AI通过创新的多任务诊疗分解策略解决了这个问题。

核心策略：将中医诊疗过程分解为15个专业任务：

患者治疗故事
诊断分析
处方功用
舌脉象分析
病因病机推断
...等15个模块

表：仲景AI在专业医师评估中表现出色，在多个维度上超越同类模型

模型架构优势

仲景AI基于Qwen1.5-1.8B-Chat和Baichuan2-13B-Chat进行专业微调，具有以下技术特点：

轻量高效：1.8B版本可在单张T4显卡上流畅运行
专业精准：13.5万+专业中医指令数据训练
安全可靠：所有输出都标注"仅供学术研究参考"
多轮对话：支持连续问诊，模拟真实医患交流

🛠️ 进阶应用技巧

本地API集成

想要将仲景AI集成到自己的应用中？这里提供一个简单的Python调用示例：

# 导入必要的库 from transformers import AutoModelForCausalLM, AutoTokenizer import torch # 加载模型和分词器 model_name = "CMLM/ZhongJing-2-1_8b" tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto") # 构建中医问答 def ask_tcm_question(question): prompt = f"Question: {question}" messages = [ {"role": "system", "content": "你是仲景中医大语言模型，请用专业中医知识回答"}, {"role": "user", "content": prompt} ] # 生成回答 inputs = tokenizer.apply_chat_template(messages, return_tensors="pt") outputs = model.generate(inputs, max_new_tokens=512) response = tokenizer.decode(outputs[0], skip_special_tokens=True) return response # 使用示例 answer = ask_tcm_question("感冒了应该吃什么中药？") print(answer)

批量处理与数据导出

如果你有大量的中医文献需要分析，可以这样批量处理：

import pandas as pd # 读取中医病例数据 cases_df = pd.read_csv("tcm_cases.csv") # 批量生成分析报告 analyses = [] for _, case in cases_df.iterrows(): question = f"分析以下病例：{case['symptoms']}，舌象：{case['tongue']}，脉象：{case['pulse']}" analysis = ask_tcm_question(question) analyses.append(analysis) # 保存结果 results_df = pd.DataFrame({"病例": cases_df["case_id"], "AI分析": analyses}) results_df.to_csv("ai_analyses.csv", index=False)