中医AI助手“仲景“：3分钟快速上手指南

中医AI助手"仲景"：3分钟快速上手指南

【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

想体验首个中医大语言模型的强大能力吗？"仲景"中医大语言模型将古代中医智慧与现代AI技术完美结合，为你提供专业的中医知识问答服务。无论你是中医爱好者、医学生还是专业医师，这个开源项目都能为你带来全新的学习与研究体验。

为什么选择"仲景"中医大语言模型？

"仲景"模型基于深度学习技术，专门针对中医药领域进行预训练，具备以下独特优势：

✅专业中医知识库- 融合13.5万+专业指令数据，涵盖中医古籍、方药、证候等核心内容
✅多任务诊疗能力- 支持15种诊疗场景任务，模拟人类医师的辨证论治过程
✅轻量级部署- 1.8B版本仅需单张T4显卡，普通电脑也能运行
✅开源免费- 完全开源，学术研究和个人使用完全免费

环境准备与安装步骤

1. 系统要求检查

在开始之前，请确保你的系统满足以下基本要求：

2. 一键获取项目源码

打开终端，执行以下命令克隆项目到本地：

git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing.git cd CMLM-ZhongJing

3. 创建Python虚拟环境

为了避免依赖冲突，建议创建独立的Python环境：

# 使用venv创建虚拟环境 python -m venv venv # 激活虚拟环境 # Windows系统 venv\Scripts\activate # macOS/Linux系统 source venv/bin/activate

4. 安装核心依赖包

在激活的虚拟环境中，安装必要的Python库：

pip install torch transformers gradio

如果你的系统有NVIDIA GPU，可以安装CUDA版本的PyTorch以获得更好的性能：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

"仲景"模型架构解析

"仲景"中医大语言模型采用了创新的多任务诊疗分解策略，将复杂的中医诊疗过程拆解为多个可管理的子任务：

从上图可以看出，模型将中医诊疗行为系统性地分解为12个核心任务模块，包括：

1. 患者诊疗故事分析- 理解患者病情描述
2. 诊断分析- 辨证论治的核心环节
3. 治疗模板构建- 制定个性化治疗方案
4. 舌诊与脉诊- 中医特色诊断方法
5. 方剂功能分析- 中药配伍原理
6. 药物剂量调整- 精准用药指导

这种模块化设计让模型能够像经验丰富的中医师一样，逐步分析病情、制定治疗方案，确保输出的专业性和准确性。

模型下载与配置

"仲景"提供了两个版本的模型供你选择：

版本选择建议

自动下载配置

项目已经内置了模型下载功能，首次运行时会自动从Hugging Face下载所需模型文件。如果你需要手动下载，可以使用以下命令：

# 下载1.8B轻量版模型（推荐初学者使用） python -c "from transformers import AutoModelForCausalLM; AutoModelForCausalLM.from_pretrained('CMLM/ZhongJing-2-1_8b')"

启动Web交互界面

"仲景"提供了基于Gradio的友好Web界面，让你无需编写代码就能与模型交互：

一键启动方法

在项目目录下执行：

python WebDemo.py

启动成功后，你的浏览器会自动打开交互界面。如果没有自动打开，可以在浏览器中输入http://localhost:7860访问。

界面功能介绍

WebDemo界面包含以下核心功能区域：

1. 输入框- 输入你的中医相关问题
2. 模型响应区- 显示"仲景"的专业回答
3. 参数调节- 调整生成长度、温度等参数
4. 历史记录- 保存对话历史，方便回顾

示例问题参考

你可以尝试询问以下类型的问题：

• "感冒了应该吃什么中药？"
• "如何辨证治疗失眠？"
• "四物汤的主要功效是什么？"
• "舌苔黄腻代表什么证候？"

模型性能评估

"仲景"中医大语言模型在多项专业评估中表现出色，特别是在中医专业领域的表现优于同规模模型：

从上表的评估数据可以看出：

🔹专业性强- 在中医专业知识准确性方面得分领先
🔹逻辑清晰- 辨证论治的逻辑推理能力突出
🔹综合表现优秀- 在10B参数以下模型中平均得分最高

进阶使用技巧

1. 使用Python API调用

除了Web界面，你还可以通过Python代码直接调用模型：

from transformers import AutoModelForCausalLM, AutoTokenizer # 加载模型和分词器 model = AutoModelForCausalLM.from_pretrained("CMLM/ZhongJing-2-1_8b") tokenizer = AutoTokenizer.from_pretrained("CMLM/ZhongJing-2-1_8b") # 准备问题 question = "感冒了应该吃什么中药？" prompt = f"Question: {question}" # 生成回答 inputs = tokenizer(prompt, return_tensors="pt") outputs = model.generate(**inputs, max_length=500) answer = tokenizer.decode(outputs[0], skip_special_tokens=True)

2. 调整生成参数

为了获得更符合需求的回答，可以调整以下参数：

• max_length- 控制回答的最大长度
• temperature- 调整回答的创造性（0.1-1.0）
• top_p- 控制词汇选择的多样性
• repetition_penalty- 避免重复内容

3. 批量处理问题

如果你有大量问题需要处理，可以编写批量处理脚本：

questions = ["问题1", "问题2", "问题3"] answers = [] for q in questions: # 处理每个问题 answer = get_answer(q) answers.append(answer)

常见问题解决

Q1: 模型下载速度慢怎么办？

A: 可以设置国内镜像源加速下载：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

Q2: 显存不足如何解决？

A: 尝试以下方法：

• 使用CPU模式运行（速度较慢）
• 选择1.8B轻量版模型
• 启用8位量化减少显存占用

Q3: 回答质量不理想怎么办？

A: 可以：

• 调整temperature参数（建议0.7-0.9）
• 提供更详细的问题描述
• 使用更专业的中医术语提问

实用提示与注意事项

🌟最佳实践建议

• 首次使用建议从简单问题开始，逐步增加复杂度
• 保存有价值的对话记录，建立个人中医知识库
• 结合传统中医书籍，对比验证模型回答的准确性

⚠️重要提醒

• 模型输出仅供参考学习，不构成医疗建议
• 临床诊断请务必咨询专业医师
• 请遵守学术使用规范，尊重知识产权

🚀下一步探索方向

• 尝试使用13B版本获得更专业的回答
• 探索模型在中医经典文献分析中的应用
• 参与社区贡献，共同完善中医AI生态

开始你的中医AI探索之旅

现在你已经掌握了"仲景"中医大语言模型的完整安装和使用方法。这个强大的工具将为你打开中医智能化学习的大门，让古代智慧与现代技术在你的指尖交融。

无论你是想深入研究中医学理，还是希望获得日常养生指导，"仲景"都能成为你的得力助手。立即启动WebDemo，开始与这位"AI中医师"对话吧！

记得分享你的使用体验，与更多中医爱好者一起探索AI+中医的无限可能！ 🌿🤖

【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