5分钟部署中医AI助手CMLM-ZhongJing快速入门终极指南【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-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。无论你是中医学生、执业医师还是技术爱好者都可以在短短几分钟内搭建自己的中医AI助手。 快速上手从零开始搭建中医AI助手系统要求与环境准备CMLM-ZhongJing提供了两种不同规格的模型满足不同用户的需求模型版本参数量硬件要求适用场景ZhongJingGPT1_13B13B高性能GPU专业研究、医院部署ZhongJing-2-1_8b1.8B单张Tesla 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。该模型在单张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。三步完成部署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第三步启动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。 技术核心专业诊疗行为分解策略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。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。 性能实测超越GPT-4的中医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。与主流大模型对比测试测试案例一常规中医症状咨询患者提问心痛彻背背痛彻心怎么治疗请你对此症状给出中医处方。模型表现对比模型病机辨证处方质量综合评价GPT-4⚠️ 泛泛而谈❌ 无完整方剂处方决策欠佳BaiChuan2-13B❌ 中医常识缺失❌ 无处方偏向西医对症DeepSeek-V3.2✅ 体系完整✅ 方剂完整辨证详尽ZhongJingGPT✅ 简明准确✅ 经典方剂病机精准、处方合理测试案例二复杂诊疗决策推理患者病例廖某46岁发现蛋白尿、血尿10余年现蛋白尿持续()血肌酐、尿素氮均升高西医诊断为慢性肾炎肾功能不全。现症见自汗头晕腰痛乏力夜寐不安尿黄。舌红苔薄黄脉细数。与国医大师方案对比模型与国医大师方案吻合度评价GPT-4⭐辨证模糊Baichuan 2 53B⭐⭐方向可取但寒热混杂DeepSeek-V3.2⭐⭐⭐⭐辨证完整方解详尽ZhongJingGPT⭐⭐⭐⭐⭐与国医大师思路高度吻合图仲景模型与其他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 实际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。使用示例黄芪在四君子汤中的作用机制是什么如何理解气滞血瘀的病理机制请解释六味地黄丸的方剂配伍原理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。核心优势内置27,650条症状同义词库确保不同描述方式的症状都能被准确识别支持多轮对话模拟真实医患问诊过程提供辨证依据和方剂配伍说明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。典型应用秋季燥邪伤肺推荐麦冬百合粥等食疗方案气虚体质调理提供穴位按摩和运动建议慢性病管理制定长期调理计划️ 高级配置与定制化模型微调与扩展对于有特定需求的用户CMLM-ZhongJing支持模型微调。项目提供了完整的训练脚本和数据集构建工具用户可以根据自己的专科需求进行定制化训练。微调步骤准备专业中医数据集使用项目提供的预处理工具运行微调脚本评估模型性能API接口集成项目提供了RESTful API接口方便开发者将中医AI能力集成到自己的应用中import requests # 调用中医AI服务 response requests.post(http://localhost:7860/api/predict, json{prompt: 患者咳嗽有痰痰黄粘稠舌红苔黄腻脉滑数请给出中医诊断和处方}) result response.json() 性能优化技巧硬件加速配置GPU加速支持CUDA加速显著提升推理速度内存优化使用量化技术减少模型内存占用批量处理支持批量推理提高服务器吞吐量部署最佳实践Docker容器化提供官方Docker镜像简化部署流程负载均衡支持多实例部署提高并发处理能力缓存机制实现结果缓存减少重复计算 常见问题解答Q模型需要多少显存A1.8B版本约需4GB显存13B版本约需24GB显存。Q支持哪些中医专科A目前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。Q模型的准确性如何保证A所有训练数据都经过专业中医师审核模型输出也由五位专业医师从五个维度进行系统评估。Q是否可以商用A目前仅限学术研究使用未经允许不得商业使用。 未来发展方向技术演进路径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⚠️ 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。 学习资源推荐官方文档项目根目录下的README文件核心源码src/目录下的Python实现论文资料相关学术论文已发表于《Tsinghua Science and Technology》期刊社区讨论欢迎在项目页面提交Issue进行技术交流通过本文的介绍相信你已经对CMLM-ZhongJing有了全面的了解。这个项目不仅展示了AI技术在中医领域的应用潜力更为传统医学的现代化提供了切实可行的技术路径。无论你是技术开发者还是中医爱好者都可以从这个开源项目中获得启发和帮助。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