基于大模型的中药方剂问答系统

项目概述

项目目的与价值
本项目旨在构建一个基于大语言模型（LLM）的中药方剂问答系统，专注于为用户提供专业的中医药方剂知识及问答服务。借助先进的自然语言处理技术和OpenAI GPT-4o-mini模型，系统能够准确理解用户的中医相关问题，并返回富有专业性的中药方剂解决方案，推动传统中医数字化、智能化进程。
核心问题解决

解决用户获取中药方剂专业知识难的问题，提供一个智能问答接口。
通过大模型生成专业、准确的中药方剂建议，提升传统中医知识的应用效率。
打通自然语言对话与中医药信息服务，实现人机交互的便捷性。

目标用户群体
中医师及中药学者，辅助诊疗及药方制定。
医学教育工作者与学生，作为学习和教学的辅助工具。
中医爱好者及普通患者，快速获取中医方剂知识和建议。

技术架构

主要技术栈
后端框架：Django（Python 3.9环境）
前端技术：HTML/CSS（模板引擎为Django自带的Template）
语言模型：集成调用OpenAI API，使用GPT-4o-mini模型
依赖管理及虚拟环境：使用virtualenv（.venv目录）
其它依赖：openai官方Python SDK、numpy、pytesseract、pymupdf等
项目框架与第三方依赖
使用Django 3.2.7作为web框架，具备标准的MVC架构设计。
利用OpenAI API进行与大模型的交互。
支持PDF文档转文本处理（datas目录下pdf_to_text.py和pdf_ocr_to_text.py），适配中医文献资料的知识抽取与预处理。
架构设计模式
采用Django的MTV（Model-Template-View）设计模式：
- Model：基础数据库模型预留（当前无定义模型，后续可扩展存储用户数据、问答记录等）
- View：处理用户请求，调用大模型接口，返回数据或渲染网页
- Template：负责前端页面展示与交互
数据库设计
目前无具体数据模型设计（qa/models.py文件为空），项目暂无数据库存储功能，但框架支持后续扩展。

功能模块

问答模块（qa应用）

网页首页（index）
- 渲染用户交互界面index.html，供用户输入问题。
聊天接口（chat）
- 接收用户发送的JSON格式请求，包含问题字段。
- 生成中药方剂相关的提示语，调用OpenAI接口进行语言模型推理。
- 返回模型生成的回答JSON，供前端展示。
大模型调用（get_llm_res）
- 客户端封装，利用openai包通过OpenAI API发送请求。
- API key和服务器地址配置固定，调用gpt-4o-mini模型。
- 负责问答的核心逻辑实现。

PDF文本提取
- pdf_to_text.py：处理PDF文件转换为纯文本。
- pdf_ocr_to_text.py：结合OCR技术（pytesseract）提取图片中嵌入的文字。
这些模块支持知识库建设及智能问答中的知识输入。

静态资源和前端模板

static/目录存放静态资源，例如CSS或JS文件，可供前端加载。
templates/index.html为主要的用户交互页面，提供简洁美观的问答界面。

项目配置模块（xy25_rag）

项目主配置目录，包含settings.py、urls.py、asgi.py及wsgi.py，定义项目全局配置与路由。
负责Web服务的启动和请求分发。

项目结构

xy25_llm_qa/
├── .idea/                  # PyCharm等IDE配置文件
├── .venv/                  # 虚拟环境及依赖库
├── datas/                  # PDF文档处理及文本提取工具
│   ├── input/              # 输入文本文件
│   ├── ori/                # 原始PDF文件
│   ├── pdf_ocr_to_text.py  # OCR转换脚本
│   └── pdf_to_text.py      # PDF转文本脚本
├── qa/                     # 主要功能app
│   ├── admin.py            # 管理后台注册（空）
│   ├── apps.py             # app配置
│   ├── models.py           # 数据模型（未定义）
│   ├── qatools.py          # 工具函数和大模型相关辅助代码
│   ├── urls.py             # 路由配置
│   ├── views.py            # 视图逻辑，处理请求及调用大模型
│   └── tests.py            # 测试文件
├── static/                 # 静态文件
├── templates/              # html模板
│   └── index.html          # 主页模板
├── xy25_rag/               # 项目主配置和路由
│   ├── settings.py         # 项目配置
│   ├── urls.py             # 全局路径路由
│   ├── asgi.py             # ASGI应用入口
│   └── wsgi.py             # WSGI应用入口
├── manage.py               # Django管理脚本
├── README.md               # 项目说明文件
└── requirements.txt        # 依赖包清单

关键文件说明
qa/views.py：核心功能实现，包括首页渲染和chat接口，包含调用OpenAI接口逻辑。
qa/urls.py：定义访问路径，包含首页索引和聊天接口。
templates/index.html：前端展示页，提供用户界面。
datas/pdf_to_text.py和pdf_ocr_to_text.py：辅助文档解析和转换。
xy25_rag/settings.py：Django主配置文件，涉及数据库、静态文件、模板等设置。
.venv/：隔离的Python虚拟环境，管理所有依赖包，确保环境可控。

部署和运行

环境要求
Python 3.9版本
支持Django 3.2及以上版本
需要访问OpenAI API的网络环境，且需有效API密钥
推荐在Linux或MacOS等类Unix环境下部署，Windows亦可
安装步骤

克隆项目代码到本地。
进入项目根目录，创建并激活虚拟环境：
bash python3.9 -m venv .venv source .venv/bin/activate # Linux/MacOS .venv\Scripts\activate # Windows
安装依赖包：
bash pip install -r requirements.txt
配置xy25_rag/settings.py中OpenAI相关API KEY和服务地址（目前存在于代码中qa/views.py，建议改为环境变量或配置项）。
初始数据库（虽然目前无模型定义，可以执行）：
bash python manage.py migrate

配置说明
settings.py包含Django常规配置，如数据库，静态文件目录，模板设置等。
qa/views.py中OpenAI Client初始化需要有效的API Key。项目建议通过环境变量或配置文件安全管理。
PDFs存放于datas/ori/，转换结果存入datas/input/，做好数据预处理准备。
启动方式
运行Django开发服务器：
bash python manage.py runserver
访问浏览器打开 http://127.0.0.1:8000/ 即可进入系统首页。可在前端页面输入中医药方剂相关问题，系统对接大模型返回答案。

项目亮点与技术价值

基于大模型的智能问答
直接调用OpenAI GPT-4o-mini模型，集成Chat Completions接口，以“资深中医医生”角色身份提供专业答复，实现了传统知识与现代AI的深度融合。
数据预处理能力
配备PDF转文本及OCR工具，可处理原始文献资料，为知识库建设奠定基础。
简洁高效的Django架构
利用Django框架简化开发，维护性好，易扩展，满足后续增加用户管理、问答记录存储等需求。
易用的界面设计
前端采用响应式设计，简洁美观，辅助非专业用户轻松提问和获取信息。

综上，基于大模型的中药方剂问答系统提供了一个结合AI与中医知识的高质量智能问答平台，实现专业领域的智能化服务，适用于医疗辅助、学术研究及普及推广等多场景应用。

如有问题请联系作者：https://qalangtao.com 。

600