CMLM-ZhongJing：首个中医大语言模型如何用AI传承千年智慧？
【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-ZhongJing
你是一个文章写手，你负责为开源项目写专业易懂的文章。CMLM-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，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。
🚀 技术突破：如何让AI真正理解中医辨证思维？
传统的中医AI系统往往将诊疗过程视为黑箱，而仲景模型通过创新的诊疗行为分解架构，系统性地拆解了中医诊疗的完整流程。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。
图：仲景模型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12个专业任务模块
三大核心技术优势
- 深度中医知识理解：模型基于13.5万条高质量中医指令训练，能够准确理解中医特有的辨证论治逻辑
- 诊疗行为标准化：通过15个专业任务模块，将中医"望闻问切"的复杂过程转化为可量化、可复现的AI流程
- 方剂配伍智能分析：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
🛠️ 实战指南：五分钟搭建你的个人中医AI助手
快速部署步骤
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_13B | 13B | Baichuan2-13B-Chat | 高性能GPU | 专业研究、医院部署 |
| ZhongJing-2-1_8b | 1.8B | Qwen1.5-1.8B-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。
📊 性能评测：中小模型如何在垂直领域超越大模型？
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
关键性能亮点
- 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
🔧 核心源码解析：理解中医AI的工作原理
诊疗基础模块实现
在src/zhongjinggpt_1_b.py源码中，可以看到这些模块的具体实现逻辑。模型通过患者诊疗故事分析、诊断逻辑推理、预期结果评估和方剂功效匹配等模块，构建了完整的中医诊疗推理链条。
交互与叙事模块设计
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。这种设计使得模型能够理解"头痛"、"头胀痛"、"头部疼痛"等不同表述背后的相同病理含义。
决策支持系统
模型结合季节变化、体质差异和生活习惯，能够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。
🌱 生态构建：如何参与中医智能化的开源社区？
社区贡献指南
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。
- 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
⚠️ 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。真实的医疗诊断及治疗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
