仲景中医大语言模型如何用AI技术传承千年中医智慧【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-ZhongJingCMLM-ZhongJing仲景中医大语言模型是首个专为传统中医领域设计的智能诊疗系统将古代医圣张仲景的千年智慧与现代人工智能技术深度融合。这个开源项目为中医从业者、研究者和爱好者提供了革命性的知识问答和临床辅助工具让中医智能化真正走进实践场景。项目背景与愿景中医现代化的技术桥梁中医作为中华文明的瑰宝其知识体系博大精深但传统传承方式面临诸多挑战。CMLM-ZhongJing项目正是为了解决这一痛点而生——通过大语言模型技术构建一个能够理解中医辨证思维、掌握方药配伍规律、模拟临床诊疗过程的智能系统。项目的核心愿景是打造一个中医知识数字化平台不仅能够存储和检索中医知识更能够进行逻辑推理和辨证分析。项目团队从2023年5月开始研发以张仲景的《伤寒杂病论》等经典著作为基础结合现代医学知识构建了包含13.5万条高质量指令的专业数据集。架构设计解析诊疗行为分解的创新范式CMLM-ZhongJing的核心创新在于其独特的诊疗行为分解架构。传统的中医AI系统往往将诊疗过程视为黑箱而仲景模型通过15个专业任务模块系统性地拆解了中医诊疗的完整流程。图仲景模型采用的多任务诊疗行为分解指令构建策略将中医诊疗过程拆分为15个专业任务模块三大核心模块设计诊疗基础模块患者诊疗故事分析诊断逻辑推理预期结果评估方剂功效匹配交互与叙事模块医患互动模拟病例叙事构建舌诊脉诊数据整合治疗过程跟踪决策支持模块批判性思维训练现实问题解决疾病机制分析治疗方案优化这种模块化设计使得模型能够像经验丰富的医师一样从症状采集到辨证论治再到方剂选择实现全流程的智能辅助。在src/zhongjinggpt_1_b.py源码中可以看到这些模块的具体实现逻辑。实战应用场景从理论学习到临床辅助中医教育与知识传播对于中医学生和爱好者仲景模型提供了前所未有的学习体验。用户可以通过自然语言提问获取关于中医理论、中药药理、方剂配伍等专业知识的详细解释。例如查询黄芪在四君子汤中的作用机制时系统不仅会解释黄芪的补气功效还会分析其在方剂中的君臣佐使关系。临床诊疗辅助决策基层医师在日常诊疗中经常面临辨证复杂的病例。仲景模型能够根据患者症状描述提供辨证分型建议和方剂推荐。系统内置的症状同义词库包含27,650条指令确保了不同描述方式的症状都能被准确识别提高了诊断的准确性。个性化健康管理针对亚健康人群和慢性病患者模型能够结合季节变化、体质差异和生活习惯提供定制化的养生方案。例如针对秋季易发的燥邪伤肺系统会推荐麦冬百合粥等食疗方案并配合相应的穴位按摩建议。部署与集成五分钟搭建个人中医AI助手快速部署指南获取项目代码git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing安装依赖环境pip install -r requirements.txt启动Web演示界面python WebDemo.py启动后访问http://localhost:7860即可使用完整的中医AI交互界面。如果端口被占用可以使用--port参数指定其他端口。模型版本选择建议版本参数量基座模型硬件要求适用场景ZhongjingGPT1_13B13BBaichuan2-13B-Chat高性能GPU专业研究、医院部署ZhongJing-2-1_8b1.8BQwen1.5-1.8B-Chat单张T4即可个人学习、快速体验对于大多数用户推荐从1.8B版本开始体验它在单张Tesla T4显卡上即可实现高速推理部署门槛低且性能表现优秀。性能对比分析超越通用模型的专业能力通过五位专业医师的系统评估仲景模型在多个维度上展现出了卓越的性能。评估覆盖了客观性、逻辑性、专业性、准确性和完整性五个关键指标。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关键性能指标逻辑性表现突出在7B参数模型中仲景模型的逻辑性得分达到5.94显著优于同规模的其他模型专业度优势明显相比通用大模型仲景模型在中医专业术语理解和辨证分析方面具有明显优势跨专科泛化能力虽然主要基于妇科数据训练但在内科、外科、骨科等多个专科领域都展现出了良好的诊断能力与通用大模型的对比优势中医专业术语理解相比GPT-4等通用模型仲景模型对中医特有概念的理解更加深入辨证思维模拟能够模拟中医望闻问切的诊断过程而不仅仅是症状-诊断的简单映射方剂配伍知识内置丰富的中药相互作用知识库能够提供更加合理的方剂建议社区生态建设开源协作推动中医智能化CMLM-ZhongJing项目采用完全开源的模式鼓励社区参与和贡献。项目提供了完整的开发文档和API接口支持二次开发和定制化应用。社区贡献指南数据贡献欢迎提交高质量的中医病例数据、方剂配伍经验算法优化开源社区可以共同优化模型的辨证算法和推理逻辑应用开发基于模型开发更多实用的中医辅助工具和应用学术研究支持项目团队已发表相关论文于《Tsinghua Science and Technology》期刊为后续研究提供了理论基础。研究人员可以基于现有模型开展中医AI的深入探索如中医诊断标准的量化研究方剂配伍规律的机器学习分析中西医结合诊疗的智能化探索未来展望中医智能化的技术演进路径技术发展方向多模态融合整合舌象、脉象等视觉诊断数据实现更全面的四诊合参个性化建模结合患者体质数据和历史病历构建个性化的中医健康模型实时学习通过与临床医师的交互反馈实现模型的持续优化和知识更新应用场景拓展移动端应用开发手机APP让中医AI助手随时可用智能硬件集成与中医诊断设备结合实现智能化数据采集和分析教育平台融合与中医在线教育平台对接提供智能学习辅导行业生态构建标准化建设推动中医AI诊疗的标准化和规范化产学研合作与医疗机构、科研院所深度合作推动成果转化国际化推广将中医智能系统推向全球促进中医药的国际传播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。如果觉得本项目对您有帮助欢迎在GitCode上Star支持我们的工作【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
仲景中医大语言模型：如何用AI技术传承千年中医智慧
仲景中医大语言模型如何用AI技术传承千年中医智慧【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-ZhongJingCMLM-ZhongJing仲景中医大语言模型是首个专为传统中医领域设计的智能诊疗系统将古代医圣张仲景的千年智慧与现代人工智能技术深度融合。这个开源项目为中医从业者、研究者和爱好者提供了革命性的知识问答和临床辅助工具让中医智能化真正走进实践场景。项目背景与愿景中医现代化的技术桥梁中医作为中华文明的瑰宝其知识体系博大精深但传统传承方式面临诸多挑战。CMLM-ZhongJing项目正是为了解决这一痛点而生——通过大语言模型技术构建一个能够理解中医辨证思维、掌握方药配伍规律、模拟临床诊疗过程的智能系统。项目的核心愿景是打造一个中医知识数字化平台不仅能够存储和检索中医知识更能够进行逻辑推理和辨证分析。项目团队从2023年5月开始研发以张仲景的《伤寒杂病论》等经典著作为基础结合现代医学知识构建了包含13.5万条高质量指令的专业数据集。架构设计解析诊疗行为分解的创新范式CMLM-ZhongJing的核心创新在于其独特的诊疗行为分解架构。传统的中医AI系统往往将诊疗过程视为黑箱而仲景模型通过15个专业任务模块系统性地拆解了中医诊疗的完整流程。图仲景模型采用的多任务诊疗行为分解指令构建策略将中医诊疗过程拆分为15个专业任务模块三大核心模块设计诊疗基础模块患者诊疗故事分析诊断逻辑推理预期结果评估方剂功效匹配交互与叙事模块医患互动模拟病例叙事构建舌诊脉诊数据整合治疗过程跟踪决策支持模块批判性思维训练现实问题解决疾病机制分析治疗方案优化这种模块化设计使得模型能够像经验丰富的医师一样从症状采集到辨证论治再到方剂选择实现全流程的智能辅助。在src/zhongjinggpt_1_b.py源码中可以看到这些模块的具体实现逻辑。实战应用场景从理论学习到临床辅助中医教育与知识传播对于中医学生和爱好者仲景模型提供了前所未有的学习体验。用户可以通过自然语言提问获取关于中医理论、中药药理、方剂配伍等专业知识的详细解释。例如查询黄芪在四君子汤中的作用机制时系统不仅会解释黄芪的补气功效还会分析其在方剂中的君臣佐使关系。临床诊疗辅助决策基层医师在日常诊疗中经常面临辨证复杂的病例。仲景模型能够根据患者症状描述提供辨证分型建议和方剂推荐。系统内置的症状同义词库包含27,650条指令确保了不同描述方式的症状都能被准确识别提高了诊断的准确性。个性化健康管理针对亚健康人群和慢性病患者模型能够结合季节变化、体质差异和生活习惯提供定制化的养生方案。例如针对秋季易发的燥邪伤肺系统会推荐麦冬百合粥等食疗方案并配合相应的穴位按摩建议。部署与集成五分钟搭建个人中医AI助手快速部署指南获取项目代码git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing安装依赖环境pip install -r requirements.txt启动Web演示界面python WebDemo.py启动后访问http://localhost:7860即可使用完整的中医AI交互界面。如果端口被占用可以使用--port参数指定其他端口。模型版本选择建议版本参数量基座模型硬件要求适用场景ZhongjingGPT1_13B13BBaichuan2-13B-Chat高性能GPU专业研究、医院部署ZhongJing-2-1_8b1.8BQwen1.5-1.8B-Chat单张T4即可个人学习、快速体验对于大多数用户推荐从1.8B版本开始体验它在单张Tesla T4显卡上即可实现高速推理部署门槛低且性能表现优秀。性能对比分析超越通用模型的专业能力通过五位专业医师的系统评估仲景模型在多个维度上展现出了卓越的性能。评估覆盖了客观性、逻辑性、专业性、准确性和完整性五个关键指标。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关键性能指标逻辑性表现突出在7B参数模型中仲景模型的逻辑性得分达到5.94显著优于同规模的其他模型专业度优势明显相比通用大模型仲景模型在中医专业术语理解和辨证分析方面具有明显优势跨专科泛化能力虽然主要基于妇科数据训练但在内科、外科、骨科等多个专科领域都展现出了良好的诊断能力与通用大模型的对比优势中医专业术语理解相比GPT-4等通用模型仲景模型对中医特有概念的理解更加深入辨证思维模拟能够模拟中医望闻问切的诊断过程而不仅仅是症状-诊断的简单映射方剂配伍知识内置丰富的中药相互作用知识库能够提供更加合理的方剂建议社区生态建设开源协作推动中医智能化CMLM-ZhongJing项目采用完全开源的模式鼓励社区参与和贡献。项目提供了完整的开发文档和API接口支持二次开发和定制化应用。社区贡献指南数据贡献欢迎提交高质量的中医病例数据、方剂配伍经验算法优化开源社区可以共同优化模型的辨证算法和推理逻辑应用开发基于模型开发更多实用的中医辅助工具和应用学术研究支持项目团队已发表相关论文于《Tsinghua Science and Technology》期刊为后续研究提供了理论基础。研究人员可以基于现有模型开展中医AI的深入探索如中医诊断标准的量化研究方剂配伍规律的机器学习分析中西医结合诊疗的智能化探索未来展望中医智能化的技术演进路径技术发展方向多模态融合整合舌象、脉象等视觉诊断数据实现更全面的四诊合参个性化建模结合患者体质数据和历史病历构建个性化的中医健康模型实时学习通过与临床医师的交互反馈实现模型的持续优化和知识更新应用场景拓展移动端应用开发手机APP让中医AI助手随时可用智能硬件集成与中医诊断设备结合实现智能化数据采集和分析教育平台融合与中医在线教育平台对接提供智能学习辅导行业生态构建标准化建设推动中医AI诊疗的标准化和规范化产学研合作与医疗机构、科研院所深度合作推动成果转化国际化推广将中医智能系统推向全球促进中医药的国际传播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。如果觉得本项目对您有帮助欢迎在GitCode上Star支持我们的工作【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
