5分钟上手仲景AI中医大语言模型快速入门指南【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还在为中医知识晦涩难懂而头疼想用AI技术探索千年中医智慧今天带你5分钟上手CMLM-ZhongJing——首个专为中医领域打造的大语言模型让古老医学与现代AI完美融合 零基础快速上手环境准备与一键启动 提示仲景AI支持多种部署方式从云端到本地都能轻松运行。如果你是AI新手推荐从网页版Demo开始体验。准备工作确保你的电脑已安装Python 3.8和pip包管理器。如果还没有可以前往Python官网下载安装。三步启动网页版# 1. 获取项目代码 git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing.git cd CMLM-ZhongJing # 2. 安装必要依赖 pip install -r requirements.txt # 3. 启动Web界面 python WebDemo.py启动成功后在浏览器中打开http://localhost:7860一个专业的中医AI助手界面就展现在你面前了 技巧如果你的电脑没有GPU模型会自动切换到CPU模式运行只是响应会稍慢一些。模型选择与配置仲景AI提供了两个版本的模型满足不同场景需求模型版本参数量硬件要求适合场景ZhongjingGPT1_13B13B高性能GPU专业中医研究、深度诊断分析ZhongJing-2-1_8b1.8B单张T4显卡日常咨询、教学演示、快速体验 提示初次体验建议使用1.8B版本对硬件要求低响应速度快。如果需要更专业的诊断分析再切换到13B版本。 核心功能深度体验中医智能问答实战仲景AI最核心的功能就是中医知识问答。试试这些实用场景场景一常见症状咨询问最近总是头痛中医有什么建议 答头痛在中医中分为多种证型。如果是前额痛多属阳明经头痛两侧痛属少阳经巅顶痛属厥阴经...场景二方剂查询问四物汤的组成和功效是什么 答四物汤由当归、川芎、白芍、熟地黄组成是补血调经的基础方...场景三辨证分析问我舌苔黄腻脉滑数可能是什么问题 答舌苔黄腻、脉滑数多提示湿热内蕴常见于脾胃湿热或肝胆湿热证...图仲景AI的多任务诊疗分解策略 - 将复杂的中医诊断过程分解为15个专业任务模块专业诊疗能力展示为了让你更直观地了解仲景AI的专业水平我们对比了几个主流模型在中医诊疗任务上的表现测试场景GPT-4仲景AI优势分析常规症状咨询泛泛而谈无具体方剂提供经典方剂病机分析准确中医专业性更强复杂病例诊断辨证模糊方案不明确辨证精准处方合理接近国医大师水平西医通用问答偏向护理建议直接临床导向更贴近医师思维 实际案例当用户询问心痛彻背背痛彻心时仲景AI准确识别为胸痹范畴推荐了丹参饮和血府逐瘀汤等经典方剂而GPT-4只能给出泛泛的健康建议。 技术原理揭秘专业指令数据构建传统AI模型在医疗领域最大的问题是幻觉输出——给出看似合理但实际错误的医疗建议。仲景AI通过创新的多任务诊疗分解策略解决了这个问题。核心策略将中医诊疗过程分解为15个专业任务患者治疗故事诊断分析处方功用舌脉象分析病因病机推断...等15个模块表仲景AI在专业医师评估中表现出色在多个维度上超越同类模型模型架构优势仲景AI基于Qwen1.5-1.8B-Chat和Baichuan2-13B-Chat进行专业微调具有以下技术特点轻量高效1.8B版本可在单张T4显卡上流畅运行专业精准13.5万专业中医指令数据训练安全可靠所有输出都标注仅供学术研究参考多轮对话支持连续问诊模拟真实医患交流️ 进阶应用技巧本地API集成想要将仲景AI集成到自己的应用中这里提供一个简单的Python调用示例# 导入必要的库 from transformers import AutoModelForCausalLM, AutoTokenizer import torch # 加载模型和分词器 model_name CMLM/ZhongJing-2-1_8b tokenizer AutoTokenizer.from_pretrained(model_name, trust_remote_codeTrue) model AutoModelForCausalLM.from_pretrained(model_name, device_mapauto) # 构建中医问答 def ask_tcm_question(question): prompt fQuestion: {question} messages [ {role: system, content: 你是仲景中医大语言模型请用专业中医知识回答}, {role: user, content: prompt} ] # 生成回答 inputs tokenizer.apply_chat_template(messages, return_tensorspt) outputs model.generate(inputs, max_new_tokens512) response tokenizer.decode(outputs[0], skip_special_tokensTrue) return response # 使用示例 answer ask_tcm_question(感冒了应该吃什么中药) print(answer)批量处理与数据导出如果你有大量的中医文献需要分析可以这样批量处理import pandas as pd # 读取中医病例数据 cases_df pd.read_csv(tcm_cases.csv) # 批量生成分析报告 analyses [] for _, case in cases_df.iterrows(): question f分析以下病例{case[symptoms]}舌象{case[tongue]}脉象{case[pulse]} analysis ask_tcm_question(question) analyses.append(analysis) # 保存结果 results_df pd.DataFrame({病例: cases_df[case_id], AI分析: analyses}) results_df.to_csv(ai_analyses.csv, indexFalse) 学习路径建议初学者路线第一周体验Web Demo了解基本功能第二周学习中医基础知识尝试简单问答第三周探索API接口集成到个人项目第四周参与社区讨论分享使用心得开发者路线模型微调基于现有模型进行领域特定微调数据贡献参与中医指令数据的构建与标注应用开发开发基于仲景AI的中医辅助诊断工具研究拓展探索中医AI在多模态诊断中的应用专业资源推荐核心源码模块WebDemo.py- 网页交互界面实现src/zhongjinggpt_1_b.py- 核心模型调用逻辑src/ZhongJingGPT_1_B.ipynb- Jupyter Notebook演示数据资源13.5万专业中医指令数据集15种诊疗场景任务模板中医古籍、方药、证候等多维度知识库⚠️ 重要注意事项免责声明仲景AI目前仍处于研究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。真实的医疗诊断必须由经验丰富的专业医师完成。使用规范不得用于临床诊断或治疗不得用于商业医疗咨询服务研究成果引用时请注明出处发现模型输出问题请及时反馈 未来展望仲景AI团队正在规划更宏大的发展蓝图近期目标基于内、外、妇、儿、骨等多学科数据构建百万级指令集发布李时珍、孙思邈等历代名医专版模型探索高效领域微调策略长期愿景构建可信赖的中医通用人工智能推动中医现代化与国际化让千年中医智慧在AI时代焕发新生 最后的小贴士中医AI不是要取代医生而是要成为医生的智能助手。通过仲景AI你可以快速获取中医知识参考但最终的治疗决策仍需专业医师的把关。现在就开始你的中医AI探索之旅吧从克隆仓库到运行Demo只需要5分钟。让我们一起见证传统医学与现代科技的完美融合【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