仲景中医大语言模型部署与使用指南
仲景中医大语言模型部署与使用指南
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预训练大语言模型，受古代医学巨匠张仲景智慧启发，融合传统中医知识与现代AI技术，为中医诊疗、教育和研究提供专业支持。
项目核心价值
作为中医AI领域的创新成果，仲景模型解决了传统大语言模型在专业医疗场景中的"幻觉输出"问题，通过多任务诊疗分解策略构建高质量指令数据，确保中医知识的准确性和可靠性。无论是中医病历生成、中药材咨询还是症状分析，都能提供贴近临床的专业建议。
快速部署指南
环境准备与安装
首先克隆项目仓库并安装依赖：
git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing
cd CMLM-ZhongJing
# 建议使用Python虚拟环境
python -m venv env
source env/bin/activate # Linux/Mac用户
pip install -r requirements.txt
模型权重获取
项目提供多个版本的模型权重，用户可根据需求选择：
- ZhongjingGPT1_13B：基于Baichuan2-13B-Chat微调
- ZhongJing-2-1_8b：基于Qwen1.5-1.8B-Chat优化
1.8B版本用户可在一张Tesla T4显卡上实现高速推理，适合资源受限的环境使用。
Web交互界面启动
运行基于Gradio的可视化Demo，轻松体验中医对话功能：
python WebDemo.py
启动后访问本地地址，即可开始与仲景模型进行单轮/多轮对话，测试中医问答、处方建议等功能。
核心功能与应用场景
临床辅助诊断
仲景模型可基于四诊数据（症状、舌象、脉象）提供中医诊断和处方建议。在测试中，其对300例省级名老中医案例的诊疗匹配度显著优于通用大语言模型。
中医教育工具
生成交互式学习材料，帮助学生理解复杂的中医理论，包括：
- 中药材性味归经查询
- 经典方剂配伍解析
- 模拟病例分析练习
中医药研究支持
辅助构建中医知识图谱，挖掘古籍中的诊疗规律。模型已处理8万条中医常识数据和15类诊疗场景指令，覆盖《伤寒论》《金匮要略》等经典内容。
模型效果验证
通过专业医师团队的人工评估，仲景模型在多个维度上展现出优异的性能表现：
该图展示了仲景模型的核心技术策略——通过将中医诊疗行为拆解为多任务模块，利用大语言模型模拟医生的诊断与治疗逻辑，生成符合临床实践的治疗故事。
在模型对比测试中，仲景模型与主流大语言模型进行了全面比较：
评估结果显示，仲景模型在逻辑性和客观性方面表现突出，在小参数模型中具有明显优势。
技术架构特点
多任务诊疗分解策略
采用专业表格，借助大语言模型的语言表征能力，严格设置特定的prompt模板，使模型基于中医方药数据生成包括患者治疗故事、诊断分析、处方功用、舌脉象等15个场景，促进模型对中医方药数据及诊断思维逻辑的推理能力。
中医常识指令数据构建
基于中医古籍内容、名词解释、症状近义词、反义词、证候、症状、治法等指令内容，构建了约8万条指令数据。
使用注意事项
医疗安全警示
模型输出仅供参考，不能替代专业医师诊断。真实的医疗诊断及决策依然需要经验丰富的医师通过严格规范的诊疗过程出具。
数据质量保障
基于50余名中医师标注的真实案例训练，定期更新医学知识库，确保专业性和准确性。
开发与扩展
项目采用模块化设计，支持多种微调策略和模型架构。开发者可以基于现有代码进行功能扩展和性能优化。
社区参与
欢迎中医师、AI开发者和中医爱好者参与项目发展，包括：
- 贡献标注数据：提升模型临床适配性
- 提交代码PR：优化模型性能和功能
- 反馈使用体验：帮助完善交互设计
总结
仲景中医大语言模型通过传统智慧与现代科技的融合，为中医药传承开辟新路径。其创新的多任务诊疗分解策略和高质量的中医指令数据，使模型在专业领域具备较强的理解和生成能力，为中医智能化发展提供有力支撑。
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
17
0- 0
已为社区贡献6条内容
所有评论(0)