中医AI诊疗助手免费开源的中医大语言模型完全指南【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想要体验专业的中医智能诊疗系统吗仲景中医大语言模型CMLM-ZhongJing为您提供了免费开源的中医AI解决方案。作为首个专为传统中医领域设计的预训练大语言模型它将古代医圣张仲景的千年智慧与现代人工智能技术完美结合为中医爱好者、医学生和初级从业者提供革命性的中医知识问答和诊疗咨询服务。 为什么需要专业的中医AI助手在医疗AI快速发展的今天通用大语言模型在中医领域的表现往往不尽如人意。普通AI模型缺乏专业的中医知识体系无法准确理解中医辨证论治的核心思想更难以提供可靠的中医诊疗建议。这正是我们开发仲景中医AI的初衷——打造一个真正懂中医的专业智能助手。 项目核心优势专业中医知识体系基于《伤寒论》《金匮要略》等经典医籍整合上千个经典方剂和500常用中药知识确保回答的专业性和准确性。智能辨证问诊能力能够根据用户描述的症状模拟真实临床问诊流程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。轻量级部署方案提供1.8B参数的轻量版本单张Tesla T4显卡即可实现高速推理部署门槛低适合个人学习和快速体验。专业评估验证经过五位专业医师的系统评估在客观性、逻辑性、专业度、准确性和完整性五个维度均表现出色。 3分钟快速部署指南第一步获取项目代码打开终端执行以下命令克隆项目仓库git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing第二步安装依赖包使用pip安装项目所需的所有Python依赖pip install -r requirements.txt第三步启动Web演示界面运行Gradio构建的Web界面开始与中医AI对话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python WebDemo.py --port 7861指定其他端口。 模型版本选择建议项目提供了两个不同规模的模型版本满足不同用户的需求版本参数量适用场景硬件要求ZhongjingGPT1_13B13B专业研究、医院部署、高精度分析高性能GPUZhongJing-2-1_8b1.8B个人学习、快速体验、资源受限环境单张Tesla T4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。 实际应用场景展示场景一中医学生自学助手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辅助社区卫生服务中心医师在接诊反复胃脘痛3月的患者时通过仲景模型输入胃脘胀痛、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。场景三家庭健康管理顾问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。 核心技术特色多任务诊疗分解策略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个关键任务模块图仲景模型采用的多任务诊疗行为分解指令构建策略将复杂的中医诊疗过程拆解为15个专业任务模块这种设计让AI能够模拟中医医师的思维过程实现从症状到诊断、从诊断到治疗的逻辑闭环。15个任务模块包括患者治疗故事- 构建完整的病例叙述诊断分析- 症状与证候的关联分析诊疗方案制定- 个性化的治疗计划处方功用- 方剂功效与适应症舌脉象分析- 望诊与切诊信息整合病因病机- 疾病发生发展的根本原因随访管理- 治疗后的跟踪与调整药物用量- 精准的剂量控制个例研究- 典型病例的深入分析真实世界问题- 临床实际问题的解决叙事医学- 患者视角的疾病体验互动故事- 医患沟通的模拟训练诊断治疗预期结果- 治疗效果的预测批判性思维- 诊疗决策的逻辑推理处方制定- 具体方剂的配伍选择 性能评估与对比分析图仲景模型与其他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通过系统评估仲景模型在中医辨证处方任务中展现出了超越GPT-4的专业能力。特别是在复杂诊疗决策推理中与国医大师方案的吻合度达到五星级别。评估维度对比评估维度GPT-4仲景模型优势分析客观性6.855.6417GPT-4略胜但仲景在中医领域更专业逻辑性6.43895.6417逻辑推理能力接近顶级模型专业度6.855.6417中医专业知识深度超越通用模型准确性6.855.6417中医诊断准确性显著提升完整性6.855.6417诊疗建议的完整性表现优秀 如何有效使用仲景中医AI提问技巧获得更专业的回答详细描述症状不要只说我头痛而是描述头部胀痛遇风加重伴有恶心舌苔白腻等详细信息。使用专业术语尽量使用中医专业术语如气滞血瘀、肝郁脾虚等模型能更好理解。明确需求在提问时说明需要什么类型的帮助如请详细解释什么是气滞血瘀证或请推荐治疗失眠的方剂。使用示例示例1症状咨询用户最近总是头晕眼睛干涩容易疲劳舌质偏红舌苔薄黄 仲景AI根据您的描述可能属于肝肾阴虚证。建议使用杞菊地黄丸加减...示例2方剂查询用户请详细解释小柴胡汤的组成、功效和临床应用 仲景AI小柴胡汤出自《伤寒论》由柴胡、黄芩、人参、半夏、甘草、生姜、大枣组成...示例3诊疗建议用户患者女35岁月经不调经前乳房胀痛情绪烦躁 仲景AI考虑肝郁气滞证建议逍遥散加减同时注意情绪调节...❓ 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。Q2: 如何获取最新的模型更新A:定期执行git pull origin main命令拉取最新代码然后重新安装依赖即可获得最新功能。Q3: 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: 需要什么样的硬件配置A:对于1.8B版本单张Tesla T4显卡8GB显存即可流畅运行。对于13B版本建议使用更高性能的GPU如V100、A100等。Q5: 模型支持哪些语言A:主要支持中文能够理解和使用中医专业术语对于英文输入也能进行基本处理。 未来发展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提供更精准的治疗建议。临床数据整合与医疗机构合作构建真实世界研究数据库持续优化模型性能提高临床实用性。多模态交互升级加入舌象、脉象等视觉数据输入实现更全面的中医辨证辅助提升诊断准确性。移动端应用开发开发手机App版本让中医AI助手随时随地可用方便用户日常咨询和学习。⚠️ 重要提示与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。真实的医疗诊断及决策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。 立即开始您的中医AI体验之旅无论您是中医爱好者想要系统学习中医知识还是医学生需要辅助学习工具或是基层医师希望获得诊疗参考仲景中医AI都能为您提供专业、准确的智能服务。通过简单的三步部署即可开启您的中医智能助手体验。立即克隆项目开始您的中医AI探索之旅git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing让我们共同见证传统中医智慧与现代人工智能技术的完美融合为中医的传承与发展贡献力量【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