仲景中医大语言模型：让AI成为你的个人中医健康顾问

仲景中医大语言模型：让AI成为你的个人中医健康顾问

【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

想象一下，当你感到身体不适，想要了解中医调理方法时，不再需要排队挂号、等待漫长的就诊时间，只需打开电脑或手机，就能获得基于千年中医智慧的专业建议。这正是仲景中医大语言模型为你带来的革命性体验。

作为首个专门针对传统中医领域设计的智能诊疗助手，仲景模型融合了古代医圣张仲景的千年智慧与现代人工智能技术。这个完全免费的开源项目让中医爱好者、医学生和初级从业者都能轻松获得专业级的中医知识问答和诊疗咨询服务。

为什么你需要这个中医AI助手？

传统中医诊疗需要医生通过"望闻问切"四诊合参，这个过程对普通人来说既神秘又复杂。而仲景模型通过AI技术，将这一复杂过程变得简单易懂。

专业诊疗分解策略：AI如何模拟中医思维？

与传统的通用AI模型不同，仲景模型采用了独创的15种诊疗场景任务构建方法。这种方法将复杂的中医诊疗过程系统性地拆解为可执行的模块，让AI能够模拟中医医师的完整思维过程。

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

从症状分析到病因病机判断，从处方推荐到疗效预测，每一个环节都经过精心设计。这种结构化方法确保了模型输出的专业性和准确性，避免了通用模型在医学领域常见的"幻觉"问题。

海量专业数据支撑：13.5万条高质量中医指令

项目团队构建了包含13.5万条高质量中医指令数据的专业知识库，涵盖多个关键维度：

• 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

跨专科泛化能力：妇科训练，多科适用

令人惊讶的是，这个模型虽然主要基于妇科数据进行训练，但在内科、外科、骨科等多个学科领域都展现出了出色的诊断与处方能力。这种跨学科泛化能力证明了模型对中医理论体系有深刻的理解，而不仅仅是记忆特定病症。

性能对比：仲景模型如何在专业领域超越通用AI？

在专业医师的评估中，仲景模型展现出了令人瞩目的表现。特别是在中医辨证处方任务中，它甚至在某些方面超越了GPT-4这样的顶级通用模型。

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

实际测试案例对比

让我们通过一个真实案例来看看不同模型的表现差异：

测试问题："心痛彻背，背痛彻心，怎么治疗，请你对此症状给出中医处方。"

• GPT-4：给出了泛泛而谈的解释，但没有提供完整的中医方剂
• BaiChuan2-13B：中医常识缺失，偏向西医对症处理
• 仲景模型：准确诊断为"胸痹"范畴，推荐"丹参饮"和"血府逐瘀汤"等经典方剂

专家评价：仲景模型在病机解释的简明性和处方合理性方面表现最佳，体现了对中医理论的深刻理解。

三步搭建你的个人中医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 torch transformers gradio

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。

模型版本选择指南

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：

对于大多数个人用户，我们推荐从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。

实际应用场景：仲景模型如何改变你的生活？

场景一：中医学生的高效学习助手

作为中医药大学的学生，你在学习《伤寒论》时遇到了难题。通过仲景模型，你可以：

1. 深度解析经典方剂：查询"小柴胡汤的临床应用变化"，系统不仅详细解释原方组成和适应症，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
2. 建立知识体系：通过多轮对话，系统性地学习中医理论框架
3. 模拟临床思维：练习辨证论治的完整过程

场景二：基层医师的智能诊疗辅助

在社区卫生服务中心工作的张医生遇到了一位"反复胃脘痛3月"的患者。通过仲景模型：

1. 症状分析：输入"胃脘胀痛、嗳气反酸、情绪抑郁"等症状
2. 智能辨证：系统快速分析为"肝胃不和证"
3. 处方推荐：推荐柴胡疏肝散加减方案
4. 辅助决策：提示"注意排查幽门螺杆菌感染"

整个过程仅需几分钟，大大提高了诊疗效率和准确性。

场景三：家庭健康管理顾问

王女士因"更年期失眠多梦"咨询系统：

1. 多轮问诊：系统通过对话了解其"心烦易怒、潮热盗汗"等伴随症状
2. 辨证判断：判断为"阴虚火旺证"
3. 综合方案：推荐"百合知母汤"调理方案，并提供"睡前涌泉穴按摩"、"莲子心茶饮用"等辅助方法
4. 效果跟踪：两周后用户反馈睡眠质量明显改善

技术架构揭秘：人类医生与大模型的完美协作

仲景模型的核心创新在于其独特的诊疗分解架构。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。

12个诊疗行为子任务

模型将中医诊疗过程分解为12个关键子任务，包括：

1. 诊断分析：症状识别与病因推断
2. 舌脉象分析：望闻问切的数字化实现
3. 疾病机制：病机病理的深度理解
4. 治疗模板生成：个性化方案的制定
5. 药材剂量计算：精准用药指导
6. 方剂功效分析：药物配伍原理
7. 患者治疗故事：完整诊疗过程的叙事
8. 互动故事：模拟医患对话
9. 真实世界问题：解决实际临床困惑
10. 随访管理：疗效跟踪与调整
11. 叙事医学：医学人文关怀
12. 患者故事：倾听患者心声

数据构建的创新方法

项目团队没有采用传统的Self-Instruct方法，而是设计了以专业性为核心的指令数据构建方法。这种方法确保了模型在医学这种对专业知识容错率极低的领域中，能够提供准确可靠的输出。

常见问题解答

Q1：模型对西医问题如何处理？

仲景模型经过专门训练，能够识别西医问题并给出专业建议。当用户描述"发热、咳嗽、咽痛、呼吸困难"时，模型会建议及时就医，并说明医生可能进行的检查流程，体现了中西医结合的诊疗思维。

Q2：如何获取最新的模型更新？

定期执行git pull origin main命令拉取最新代码，然后重新安装依赖即可获得最新功能。

Q3：模型是否需要联网使用？

模型完全支持本地部署，无需联网即可使用，确保用户隐私和数据安全。

Q4：模型回答中医术语解释不够详细怎么办？

在提问时加入"详细解释"关键词，如"请详细解释什么是气滞血瘀证"。模型会根据关键词提供更深入的解析。

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。

开始你的中医AI之旅

无论你是中医爱好者、医学生，还是希望了解中医文化的普通人，仲景中医大语言模型都为你打开了一扇通往中医智慧的大门。通过这个项目，你不仅可以获得专业的中医知识服务，还能深入了解人工智能如何与传统医学相结合。

立即开始体验，探索中医智能化的无限可能。这个完全免费的开源项目正在等待你的参与和贡献，让我们一起推动中医文化的传承与创新！

【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