# 基于DeepSeek与LangGraph的智能病历数据库交互系统开发指南

基于DeepSeek与LangGraph的智能病历数据库交互系统开发指南

一、医疗AI技术栈构建

# 安装核心依赖
pip install langchain deepseek-coder psycopg2-binary python-dotenv sqlalchemy graphviz

# 环境变量配置（.env文件）
POSTGRES_MEDICAL_USER=med_user
POSTGRES_MEDICAL_PASSWORD=secure_med_pass
POSTGRES_MEDICAL_HOST=med-db-server
POSTGRES_MEDICAL_PORT=5432
POSTGRES_MEDICAL_DB=medical_records

二、病历数据库建模

from langchain.utilities import SQLDatabase

# 初始化医疗数据库连接
medical_db = SQLDatabase.from_uri(
    f"postgresql+psycopg2://{
     
     os.getenv('POSTGRES_MEDICAL_USER')}:"
    f"{
     
     os.getenv('POSTGRES_MEDICAL_PASSWORD')}@{
     
     os.getenv('POSTGRES_MEDICAL_HOST')}:"
    f"{
     
     os.getenv('POSTGRES_MEDICAL_PORT')}/{
     
     os.getenv('POSTGRES_MEDICAL_DB')}",
    include_tables=["patients", "diagnoses", "prescriptions"],
    sample_rows_in_table_info=3,
    custom_table_info="""
    patients: 患者主表
        id: 患者ID（主键）
        name: 患者姓名（脱敏处理）
        gender: 性别
        birth_date: 出生日期
        registration_date: 建档日期
    diagnoses: 诊断记录表
        id: 诊断ID（主键）
        patient_id: 患者ID（外键）
        diagnosis_date: 诊断日期
        diagnosis_code: ICD-11编码
        diagnosis_description: 诊断描述
    prescriptions: 处方记录表
        id: 处方ID（主键）
        patient_id: 患者ID（外键）
        prescription_date: 处方日期
        medication: 药物名称
        dosage: 剂量
    """
)

三、DeepSeek模型配置

from langchain.llms import DeepSeek

# 医疗专用模型配置
medical_llm = DeepSeek(
    model_name="deepseek-16b",
    temperature=0.6,
    max_tokens=4096,
    top_p=0.85,
    repetition_penalty=1.1,
    callbacks=[
        MedicalCallbackHandler()  # 自定义医疗合规回调
    ],
    medical_mode=True  # 启用医疗领域优化
)

四、LangGraph流程构建

from langchain.graphs import Graph
from langchain.chains import SQLDatabaseChain

# 构建医疗查询流程
medical_graph = Graph()

# 定义查询阶段
parse_step = medical_graph.add_node(
    "语义解析",
    MedicalQueryParser(llm=medical_llm)
)

sql_gen_step = medical_graph.add_node(
    "SQL生成",