仲景中医AI：如何用1.8B参数模型实现媲美国医大师的专业诊疗

仲景中医AI：如何用1.8B参数模型实现媲美国医大师的专业诊疗

【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

仲景中医大语言模型（CMLM-ZhongJing）作为首个专为传统中医领域打造的开源智能诊疗助手，成功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。这个免费开源项目不仅为中医爱好者、医学生和初级从业者提供了革命性的中医知识问答服务，更在专业诊疗辅助方面展现出超越通用大模型的精准能力。

核心价值解析：中医AI的三大突破性优势

传统中医诊疗过程复杂多变，涉及辨证、论治、处方等多个环节，而仲景模型通过创新的技术架构成功解决了这一难题。与通用大语言模型相比，仲景中医AI在以下三个维度实现了关键突破：

精准辨证能力超越GPT-4

在多项专业测试中，仲景模型展现出了令人瞩目的中医辨证准确性。以"心痛彻背，背痛彻心"这一典型症状为例，通用大模型往往给出模糊建议或西医导向的答案，而仲景模型能够准确识别为"胸痹"范畴，并提供"丹参饮"、"血府逐瘀汤"等经典方剂，病机解释简明精准，处方选择合理恰当。

跨专科泛化能力突出

基于妇科数据训练的模型，在内外骨等多学科领域展现出良好的诊断与处方能力。这种跨专科泛化能力源于其独特的诊疗行为分解策略，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，使AI能够模拟中医医师的思维过程。

轻量化部署降低使用门槛

1.8B参数版本可在单张Tesla T4显卡上实现高速推理，大大降低了中医AI技术的应用门槛。这使得基层医疗机构、中医诊所甚至个人研究者都能轻松部署和使用这一专业工具。

图：仲景模型采用的多任务诊疗行为分解策略，将中医诊疗过程拆解为15个专业任务模块，模拟人类医师的辨证思维过程

应用场景矩阵：从学习到临床的完整支持

中医知识深度解析平台

针对中医学生和爱好者，模型能够提供全面的中医理论知识讲解。无论是查询"黄芪的补气作用机制"还是"六经辨证的临床应用"，系统都能提供条理清晰的专业解释，帮助用户深入理解中药药理和中医理论体系。这种能力源于项目团队构建的13.5万条高质量中医指令数据，涵盖中医古籍内容、名词解释、症状近义词/反义词、证候、症状、治法等多个维度。

临床诊疗决策智能辅助

为基层医师和初级从业者提供智能辨证辅助。当用户描述"恶寒发热、咳嗽痰多、苔白腻"等症状时，系统会智能追问相关体征，逐步引导完成从病因分析到证型判断的完整诊疗过程。在复杂病例处理中，模型甚至能够给出与国医大师医案高度吻合的辨证处方。

个性化养生方案生成系统

结合季节变化、体质差异和生活习惯，提供定制化养生建议。例如针对秋季干燥气候，系统会推荐"麦冬百合粥滋阴润肺"、"按揉太渊穴养肺阴"等简便易行的养生方法，适合家庭健康管理使用。

技术架构解密：人类医生与大模型的协同创新

多任务诊疗行为分解策略

项目团队借鉴人类记忆与学习机制，通过15种诊疗场景任务构建高质量指令数据。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。具体任务包括患者治疗故事、诊断分析、诊断治疗预期结果、处方功用、互动故事、叙事医学、舌脉象、诊疗方案制定、批判性思维、随访、处方、药物用量、个例研究、真实世界问题、病因病机等15个模块。

人类医生参与的闭环验证

与传统AI训练不同，仲景模型引入了人类医生的深度参与。医生在数据选择和结果审核中扮演关键角色，形成"医生-AI"闭环：医生提供高质量数据，AI生成治疗行为分解指令，再由医生验证反馈优化模型。这种协同机制确保了模型输出的专业性和安全性。

13.5万+专业指令数据库

项目构建了包含13.5万条高质量中医指令数据，具体分布如下：

• 中医古籍内容：31,395条指令，覆盖经典医籍核心内容
• 中医症状同义词：27,650条指令，建立症状关联网络
• 中医词典解释：20,376条指令，提供专业术语解释
• 真实世界问题：7,990条指令，解决实际临床困惑
• 病因病机分析：8,024条指令，深入理解疾病本质

性能验证体系：五位专业医师的权威评估

通过五位专业医师的系统评估，仲景模型在客观性、逻辑性、专业度、准确性和完整性五个维度均表现出色。评估结果显示，在中医辨证处方任务中，仲景模型展现出了超越GPT-4的专业能力。

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

评估维度详解

1. 客观性：诊疗建议是否符合中医客观标准，如辨证准确性
2. 逻辑性：诊疗流程是否符合中医理论逻辑，如方剂使用合理性
3. 专业性：中医术语使用和方剂知识的准确性
4. 准确性：治疗结果与实际中医疗效的匹配度
5. 完整性：诊疗故事的细节丰富度，如病例描述、治疗周期

关键评估发现

在中小规模模型（小于10B参数）对比中，仲景模型以5.6417分的平均成绩领先同类模型，在"逻辑一致性"（5.9306分）和"完整性"（5.6944分）两个维度表现尤为突出。这证明基于任务分解策略训练的模型（而非单纯堆参数）更适合中医场景。

三步搭建本地中医AI助手

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。

实战应用案例分析

基层医师诊疗辅助实例

某社区卫生服务中心医师在接诊一位"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"，辅助医师做出更精准的诊疗决策。

中医学生自学助手案例

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。

复杂病例处理能力展示

在处理"慢性肾炎，肾功能不全"的复杂病例时，仲景模型能够准确识别"阴虚火旺兼气虚"的证型，并给出与国医大师熊继柏医案高度吻合的处方方案：知柏地黄汤合黄芪龙牡散加减。这种精准的辨证处方能力在同类模型中表现突出。

版本选择与部署指南

项目提供了两个不同规模的模型版本，满足不同使用场景需求：

ZhongjingGPT1_13B版本（13B参数，基于Baichuan2-13B-Chat）

• 推理要求：高性能GPU
• 适用场景：专业研究、医院部署、深度学术分析
• 特点：更强的语言理解和生成能力，适合复杂病例分析

ZhongJing-2-1_8b版本（1.8B参数，基于Qwen1.5-1.8B-Chat）

• 推理要求：单张Tesla T4即可
• 适用场景：个人学习、快速体验、基层医疗机构
• 特点：轻量高效，部署门槛低，性能表现优秀

对于大多数用户，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。

技术演进与未来展望

垂直领域深化计划

项目团队计划针对针灸、推拿等中医特色疗法开发专用模型模块，进一步拓展中医AI的应用边界。同时，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。

多模态交互升级

未来版本将加入舌象、脉象等视觉数据输入，实现更全面的中医辨证辅助。通过图像识别技术分析舌苔、舌质、脉象等中医四诊信息，提供更精准的辨证建议。

移动端应用开发

开发手机APP版本，让中医AI助手随身携带，方便用户随时咨询和记录健康信息。同时探索与智能硬件集成，与中医诊断设备结合，实现智能化四诊合参。

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。

项目资源与支持

核心源码文件

• 主程序文件：WebDemo.py- Web演示界面
• 模型核心代码：src/zhongjinggpt_1_b.py- 模型推理实现
• Jupyter笔记本：src/ZhongJingGPT_1_B.ipynb- 交互式开发环境

学术论文引用

如果本工作对您的研究有所帮助，请引用：

@article{ZhongJingGPT-TST2025, author = {Kang, Yanlan and Chang, Yang and Wu, Sunsi and Wu, Xuening and Jiao, Yuqi and Fu, Jiyuan and Ma, Qingshan and Fang, Yide and Chen, Yue and Zhao, Xue and Zhang, Xukun and Zhu, Jingyi and Liu, Xiyu and Wang, Yan and Wang, Haofen and Chu, William Cheng-Chung and Zhang, Wenqiang}, title = {ZhongJingGPT: An Expert Knowledge-Guided Language Model for Traditional Chinese Medicine}, journal = {Tsinghua Science and Technology}, year = {2025}, doi = {10.26599/TST.2025.9010046} }

团队与贡献者

项目由复旦大学、福耀科技大学、上海中医药大学等多所高校和研究机构联合开发，核心团队包括康砚澜、常扬、张绪坤等研究人员，并得到50余名中医师的领域支持。

仲景中医AI代表了中医智能化的重要突破，通过创新的任务分解策略和人类医生协同机制，成功实现了中医专业知识与人工智能技术的深度融合。随着技术的不断演进和应用场景的拓展，这一开源项目有望为中医传承与发展注入新的活力。

【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