仲景中医AI大模型：5分钟开启智能中医助手新时代
仲景中医AI大模型：5分钟开启智能中医助手新时代
【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
你是否曾为看不懂中医术语而苦恼？是否希望有个专业助手能随时解答中医疑问？今天，我要向你介绍仲景中医AI大模型——这是首个专为传统中医领域打造的预训练大语言模型，融合了古代医圣张仲景的智慧与现代人工智能技术，为中医爱好者、医学生和初级从业者提供智能化的中医知识问答和诊疗咨询服务。
🎯 为什么选择仲景中医AI大模型？
在信息爆炸的时代，中医知识传承面临着前所未有的挑战。传统学习需要数十年临床积累，而现代人很难有如此充裕的时间。仲景中医AI大模型应运而生，通过先进的人工智能技术，将散落的中医知识系统化、结构化，实现了中医理论与临床经验的数字化传承。
🔍 三大核心优势
- 专业知识精准传递- 整合8万条高质量中医古籍内容与临床案例，确保知识的准确性与权威性
- 辨证论治逻辑重现- 模拟中医诊疗思维过程，实现从症状分析到方剂推荐的完整推理链条
- 个性化诊疗智能辅助- 根据用户提供的症状信息，动态调整诊断思路，提供符合个体特征的调理方案
🚀 快速上手：3步部署你的中医AI助手
环境准备与安装
开始之前，请确保你的系统已安装Python 3.8或更高版本。然后按照以下步骤操作：
# 1. 克隆项目代码 git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing # 2. 安装依赖包 pip install -r requirements.txt # 3. 启动Web演示界面 python WebDemo.py启动成功后，在浏览器中访问http://localhost:7860，即可进入仲景中医AI交互界面。
模型选择建议
仲景项目提供了两个不同规模的模型供你选择：
- ZhongjingGPT1_13B(13B参数)：适合高性能GPU环境，提供更精准的诊疗建议
- ZhongJing-2-1_8b(1.8B参数)：轻量级版本，可在单张Tesla T4显卡上运行
如果你是初学者或资源有限，建议从1.8B版本开始体验。
🩺 四大核心功能深度体验
智能问答系统
覆盖中药性味归经、方剂组成配伍、中医基础理论等专业知识。无论是"黄芪的补气作用机制"还是"六经辨证的临床应用"，系统都能提供条理清晰的专业解释。
使用技巧：在提问时加入"详细解释"关键词，如"请详细解释什么是气滞血瘀证"，可以获得更全面的解答。
多轮诊疗模拟
模拟真实临床问诊流程，通过动态追问获取完整症状信息。系统会根据用户描述的"恶寒发热、咳嗽痰多、苔白腻"等症状，逐步引导完成从病因分析到证型判断的诊疗过程。
方剂推荐引擎
基于辨证结果智能匹配最优方剂，并提供详细的药物组成、用法用量及加减建议。针对"肝郁脾虚证"，系统不仅推荐逍遥散为主方，还会根据具体症状差异提供个性化调整方案。
养生方案生成
结合季节、体质和生活习惯，提供定制化养生建议。例如针对秋季干燥气候，系统会推荐"麦冬百合粥滋阴润肺"、"按揉太渊穴养肺阴"等简便易行的养生方法。
📊 性能评估：超越通用大模型的中医专业性
图：仲景模型与其他AI模型在中医专业任务上的评估对比，展示其在客观性、逻辑性和专业度等维度的优秀表现
在专业医师的评估中，仲景中医AI大模型在中医诊疗任务上表现出色：
- 客观性：5.8/7分 - 基于真实中医理论，减少主观臆断
- 逻辑性：5.7/7分 - 诊疗推理过程严谨合理
- 专业性：5.8/7分 - 中医知识准确，术语使用规范
- 准确性：5.6/7分 - 诊断建议与临床实践高度一致
- 完整性：5.5/7分 - 回答全面，涵盖诊疗全过程
💡 实战应用场景
场景一：医学生学习辅助
中医药大学学生在学习《伤寒论》时，通过模型查询"小柴胡汤的临床应用变化"，系统不仅详细解释了原方组成和适应症，还对比分析了"柴胡桂枝汤"、"大柴胡汤"等衍生方剂的加减规律，帮助学生构建完整的知识体系。
场景二：基层医师诊疗参考
社区卫生服务中心医师在接诊"反复胃脘痛3月"的患者时，输入"胃脘胀痛、嗳气反酸、情绪抑郁"等症状，系统快速分析为"肝胃不和证"，推荐柴胡疏肝散加减方案，并提示"注意排查幽门螺杆菌感染"，辅助医师做出更精准的诊疗决策。
场景三：家庭健康管理
一位中年女性因"更年期失眠多梦"咨询，系统通过多轮对话了解其"心烦易怒、潮热盗汗"等伴随症状，判断为"阴虚火旺证"，推荐"百合知母汤"调理方案，并提供"睡前涌泉穴按摩"、"莲子心茶饮用"等辅助方法。
🛠️ 技术架构揭秘
多任务诊疗分解策略
图：仲景模型采用的多任务治疗行为分解指令构建策略，将中医诊疗过程拆分为12个专业任务模块
仲景模型的核心创新在于其独特的多任务诊疗分解架构。该架构将复杂的中医诊疗过程系统性地拆解为12个关键任务模块：
- 症状分析- 识别和归类患者症状
- 辨证推理- 根据症状推断证型
- 方剂选择- 匹配最合适的经典方剂
- 剂量确定- 根据患者情况调整药量
- 随证加减- 根据兼症调整方剂组成
- 预后判断- 评估治疗效果和可能转归
- 养生建议- 提供生活调养方案
- 禁忌提醒- 提示用药禁忌和注意事项
- 病因分析- 探究疾病发生原因
- 病机阐释- 解释疾病发生发展机制
- 舌脉诊断- 结合舌象脉象综合分析
- 随访建议- 提供复诊和调养建议
高质量指令数据构建
项目团队构建了超过13.5万条专业指令数据，涵盖：
- 中医古籍内容（15,971,297 tokens）
- 中医症状近义词（1,515,796 tokens）
- 中医词典解释（2,188,672 tokens）
- 真实世界问题（1,493,551 tokens）
- 病机分析（997,377 tokens）
🔧 常见误区与最佳实践
常见误区
误区一：认为AI可以完全替代中医师纠正：仲景中医AI大模型是辅助工具，不能替代专业医师的临床诊断。它提供的是参考建议，最终诊疗决策应由执业医师做出。
误区二：忽视个体差异纠正：中医强调"因人制宜"，模型建议需结合患者具体情况进行调整。年龄、体质、季节等因素都会影响方剂选择。
误区三：过度依赖单一症状纠正：中医诊断讲究"四诊合参"，应尽可能提供全面的症状信息，包括舌象、脉象、二便等，以获得更准确的辨证结果。
最佳实践
实践一：详细描述症状在提问时，尽量详细描述症状特点，如疼痛性质（刺痛、胀痛、隐痛）、发作时间、加重缓解因素等。
实践二：结合舌脉信息如果可能，提供舌象（舌质、舌苔）和脉象信息，这能显著提高辨证准确性。
实践三：验证与调整将模型建议作为参考，结合专业书籍和医师指导进行验证，必要时进行调整。
🚀 未来发展规划
仲景团队计划从三个方向推进项目发展：
- 垂直领域深化- 针对针灸、推拿等中医特色疗法开发专用模型模块
- 临床数据整合- 与医疗机构合作构建真实世界研究数据库
- 多模态交互升级- 加入舌象、脉象等视觉数据输入
📚 学习资源与源码
- 官方文档：项目根目录下的README文件提供了详细的使用说明
- AI功能源码：
src/目录包含模型核心实现代码 - Web演示界面：
WebDemo.py文件提供了完整的交互界面实现
💬 加入我们
数据处理与标注是训练模型的重要环节之一。我们诚挚欢迎具有浓厚中医思维及创新精神的中医师加入，也会在数据层面声明相应的贡献。
期待我们有朝一日实现可信赖的中医通用人工智能，让古老的中医学与新时代科技融合焕发新春！
📧 联系方式：21110860035@m.fudan.edu.cn
如果觉得本项目对您有帮助，欢迎 ⭐ Star 支持！
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考