仲景中医AI：首个中医大语言模型的完整部署与应用指南

仲景中医AI首个中医大语言模型的完整部署与应用指南【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仲景中医大语言模型CMLM-ZhongJing是首个专为传统中医领域打造的智能诊疗助手融合古代医圣张仲景的千年智慧与现代人工智能技术。这个免费开源项目为中医爱好者、医学生和初级从业者提供了革命性的中医知识问答和诊疗咨询服务让中医智能化触手可及。如果你对中医AI感兴趣想要快速体验这个强大的中医智能助手本文将为你提供完整的部署和使用指南。 为什么选择仲景中医AI在传统中医学习与实践中你是否遇到过这些问题学习门槛高中医理论体系庞大复杂初学者难以系统掌握诊疗经验不足临床辨证需要多年经验积累新手医师缺乏指导知识检索困难海量中医古籍和方剂难以快速查找和运用西医结合难题如何在现代医学框架下应用中医思维仲景中医AI正是为了解决这些痛点而生。它不仅仅是一个问答工具更是一个能够理解中医辨证思维、提供专业诊疗建议的智能助手。图1仲景模型采用的多任务诊疗行为分解架构将中医诊疗过程拆分为15个专业任务模块 快速开始三步搭建你的中医AI助手第一步获取项目代码git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing第二步安装依赖环境pip install -r requirements.txt如果遇到网络问题可以使用国内镜像源pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple第三步启动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。如果7860端口被占用可以使用以下命令指定其他端口python WebDemo.py --port 7861 核心功能深度解析学习场景中医知识深度解析针对中医学生和爱好者模型能够提供全面的中医理论知识讲解。无论是查询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。使用示例用户请详细解释什么是气滞血瘀证 仲景AI气滞血瘀证是中医常见证型指气机郁滞导致血液运行不畅而形成瘀血的病理状态...辅助场景临床诊疗决策支持为基层医师和初级从业者提供智能辨证辅助。当用户描述恶寒发热、咳嗽痰多、苔白腻等症状时系统会智能追问相关体征逐步引导完成从病因分析到证型判断的完整诊疗过程。诊疗流程症状描述 → 2. 智能追问 → 3. 辨证分析 → 4. 方剂推荐 → 5. 用药指导咨询场景个性化养生方案生成结合季节变化、体质差异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。 技术架构与性能优势创新的诊疗分解架构仲景模型的核心创新在于其独特的诊疗分解架构将复杂的中医诊疗过程系统性地拆解为15个关键任务模块任务模块功能描述应用场景患者治疗故事基于病例生成治疗过程描述病例教学诊断分析症状到证型的逻辑推理临床辅助舌脉象分析中医四诊信息处理远程诊疗处方功用方剂功效与适应症分析方剂学习病因病机疾病发生发展机制分析病因研究高质量指令数据集项目团队构建了包含13.5万条高质量中医指令数据涵盖多个维度数据类型指令数量主要内容中医古籍内容31,395条经典医籍核心内容中医症状同义词27,650条症状关联网络构建中医词典解释20,376条专业术语解释真实世界问题7,990条实际临床困惑病因病机分析8,024条疾病本质理解性能验证超越通用大模型通过五位专业医师的系统评估仲景模型在客观性、逻辑性、专业度、准确性和完整性五个维度均表现出色图2仲景模型与其他AI模型在中医专业任务上的评估对比 实际应用场景展示案例一基层医师诊疗辅助患者情况45岁女性反复胃脘痛3个月伴嗳气反酸情绪抑郁时加重仲景AI分析流程收集症状胃脘胀痛、嗳气反酸、情绪抑郁辨证分析肝胃不和证方剂推荐柴胡疏肝散加减用药指导柴胡10g、白芍15g、枳壳10g、甘草6g生活建议保持情绪舒畅避免辛辣刺激食物案例二中医学生自学助手学习需求理解《伤寒论》中小柴胡汤的临床应用变化仲景AI解答原方组成与适应症与柴胡桂枝汤、大柴胡汤的区别临床加减应用规律现代研究进展案例三家庭健康管理咨询问题更年期失眠多梦心烦易怒潮热盗汗仲景AI建议辨证阴虚火旺证推荐方剂百合知母汤辅助方法睡前涌泉穴按摩、莲子心茶饮用饮食调理多吃百合、银耳、枸杞 版本选择与配置建议项目提供了两个不同规模的模型版本满足不同使用场景需求特性对比ZhongjingGPT1_13BZhongJing-2-1_8b参数量13B1.8B基座模型Baichuan2-13B-ChatQwen1.5-1.8B-Chat内存需求高性能GPU单张T4即可推理速度中等快速适用场景专业研究、医院部署个人学习、快速体验部署难度较高较低对于大多数用户我们推荐从1.8B版本开始体验它可以在单张Tesla T4显卡上实现高速推理部署门槛低性能表现优秀。硬件配置建议使用场景推荐配置内存要求存储空间个人学习CPU/集成显卡8GB10GB快速体验单张T4显卡16GB15GB专业研究RTX 3090/409024GB30GB医院部署A100/H10040GB50GB️ 核心源码结构想要深入了解仲景中医AI的内部实现以下是项目的主要源码结构Web演示界面WebDemo.py - 基于Gradio的Web界面支持单轮和多轮对话模型训练代码src/ZhongJingGPT_1_B.ipynb - 完整的模型训练流程Python实现版本src/zhongjinggpt_1_b.py - 核心模型推理代码数据目录结构CMLM-ZhongJing/ ├── data/ # 训练数据集 ├── models/ # 模型文件 ├── src/ # 源代码 ├── requirements.txt # 依赖包 └── WebDemo.py # Web界面❓ 常见问题解答Q1: 模型回答中医术语解释不够详细怎么办A: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。模型会根据关键词提供更深入的解析。你也可以通过多轮对话逐步深入询问。Q2: 如何获取最新的模型更新A:定期执行以下命令拉取最新代码cd CMLM-ZhongJing git pull origin main pip install -r requirements.txt --upgradeQ3: 模型对西医问题如何处理A:仲景模型经过专门训练能够识别西医问题并给出专业建议。当用户描述发热、咳嗽、咽痛、呼吸困难时模型会建议及时就医并说明医生可能进行的检查流程体现了中西医结合的诊疗思维。Q4: 部署遇到CUDA内存不足怎么办A:可以尝试以下解决方案使用轻量版本切换到1.8B模型调整batch_size减小推理批次大小启用CPU模式使用CPU进行推理速度较慢模型量化使用4-bit或8-bit量化技术# 示例启用CPU模式 model load_model(devicecpu)Q5: 如何提高模型的回答质量A:遵循以下提问技巧提供详细的症状描述包括舌象、脉象信息说明病程长短和变化提及既往病史和治疗情况 高级配置与优化自定义模型加载如果你有自己的中医数据集可以尝试微调模型from src.zhongjinggpt_1_b import ZhongJingGPT # 加载预训练模型 model ZhongJingGPT.load_pretrained(zhongjing-1.8b) # 自定义训练配置 training_config { learning_rate: 2e-5, batch_size: 8, epochs: 3, max_length: 512 } # 开始微调 model.fine_tune(your_dataset, training_config)性能优化技巧使用量化技术model.quantize(bits8) # 8-bit量化启用缓存加速model.enable_cache() # 启用推理缓存批量处理优化responses model.batch_predict(questions, batch_size4) 未来发展路线图技术演进方向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移动端应用开发手机APP版本让中医AI助手随身携带社区参与指南我们欢迎社区成员参与以下工作数据贡献整理和标注中医临床数据模型优化改进训练策略和推理效率应用开发基于仲景AI开发实用工具文档完善编写使用教程和案例分享⚠️ 重要技术免责声明重要提示仲景中医大语言模型目前处于实验室测试阶段所有输出结果仅供学术研究参考不构成任何医疗建议。真实的医疗诊断及治疗必须由经验丰富的专业医师通过严格规范的诊疗过程出具。临床诊断和治疗应由执业医师提供切勿将模型输出作为最终诊疗依据。本项目采用学术使用许可未经允许不得商业使用不得在医疗场景或具有潜在医疗意图场景进行临床实践。我们期待与更多中医师和研究者合作共同推动中医智能化发展。 立即开始你的中医AI之旅现在你已经了解了仲景中医AI的全部功能和部署方法是时候开始实践了按照以下步骤立即体验克隆项目获取最新代码安装依赖配置运行环境启动服务运行Web演示界面开始对话与中医AI助手交流探索功能尝试不同的应用场景无论你是中医爱好者、医学生还是临床医师仲景中医AI都能为你提供有价值的帮助。让我们一起探索中医智能化的无限可能温馨提示在使用过程中遇到任何问题欢迎查阅项目文档或加入社区讨论。记住AI是辅助工具真正的诊疗决策还需要专业医师的判断。本文基于CMLM-ZhongJing项目编写感谢所有贡献者的辛勤工作。中医智能化之路任重道远期待与你一同前行【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