TheLittlePrince612-优快云博客

原创小组博客：DeepSeek Health Assistant - 后端文档

DeepSeek Health Assistant 是一款基于AI的健康助手应用，通过整合用户的健康数据与大语言模型，为用户提供个性化的健康建议、饮食指导、运动计划和用药提醒。本文档详细介绍该应用的后端架构设计、技术选型和实现细节。

2025-06-16 13:39:33 694

原创创新实训小组博客：基于DeepSeek的医疗助手RAG系统实现

我们小组在本次创新实训项目中，围绕“健康管理助手”的应用场景，基于Retrieval-Augmented Generation（RAG）技术，实现了医疗知识检索增强的生成系统。该系统整合了专业医疗知识和医疗问答数据，通过检索相关内容并构建合适的提示词，显著提升了模型的回答准确性和个性化能力。

2025-06-16 13:33:18 422

原创小组博客基于deepseek医疗大模型微调和部署

我们小组在本次创新实训项目中，围绕“健康管理助手”的应用场景，采用了DeepSeek-R1-Distill-Llama-8B模型作为基础，通过LoRA高效微调技术，成功构建了适合医疗健康咨询领域的AI助手，并实现了模型在HuggingFace平台的部署与多种方式调用。

2025-06-16 12:02:42 416

HuggingFace 是一个广泛使用的机器学习平台，提供了丰富的模型库、数据集库和工具，极大地方便了模型的存储、部署与分享。用户可以在 HuggingFace 上快速创建仓库（Repository），上传模型，并使用 HuggingFace Spaces 快速部署交互式应用。Models：存储各类机器学习模型。Spaces：用于部署模型推理或交互式Web应用，支持Gradio、Streamlit和FastAPI。Datasets：提供各类公开数据集。

2025-06-16 09:51:18 441

原创基于DeepSeek-R1-Distill-Llama-8B的健康管理助手微调过程

我们使用的是FreedomIntelligence医疗推理数据集。Question：医学问题描述。：详细的医学推理过程。Response：医学建议或诊疗方案。本文介绍了我们项目中如何基于DeepSeek-R1-Distill-Llama-8B模型，采用LoRA技术及医疗推理数据进行高效的微调训练。这为后续“健康管理助手”智能体的开发和应用提供了重要的基础。

2025-06-15 20:10:53 936

原创糖尿病医学问题数据集与评测方法：从CMExam筛选到RAG系统评估

CMExam是一个从中国国家医学执业考试中收集的大规模医学问题数据集。该数据集包含超过60,000个多选题，并提供了五种额外的问题级标注，使其成为评估大语言模型在医学领域能力的理想资源。统计项训练集验证集测试集总计问题数量54,4976,8116,81168,119词汇量4,5453,6203,5994,629最大问题长度(tokens)676500585676最大答案长度(tokens)5555最大解释长度(tokens)2,9992,678。

2025-05-29 22:19:07 1076

原创医疗问答数据集处理：从cMedQA2到糖尿病专业问答库

cMedQA2是一个大规模中文医疗问答数据集，由上海交通大学自然语言处理实验室发布，是cMedQA的更新版本。该数据集包含了来自专业医疗在线社区的真实问答数据，经过了匿名化处理以保护隐私。

2025-05-28 15:13:48 938

原创专业慢性病知识库构建（三）：RAG系统整合与应用

用户查询处理解析用户查询意图提取关键词和实体确定查询类型（诊断、治疗、预防等）混合检索引擎根据查询类型选择检索策略协调三类知识源的检索优先级整合检索结果基于检索结果的提示词构建组织检索到的知识内容构建结构化提示词注入领域指令和约束LLM回答生成调用大语言模型API处理模型回应异常处理和重试机制回答后处理回答格式化和美化添加参考来源内容合规性检查通过本系列三篇文章，我们详细介绍了如何构建专业糖尿病知识库并整合到RAG系统中。

2025-05-26 22:44:33 1185

原创专业慢性病知识库构建（二）：知识块提取与向量数据库创建

在我们的系统中，知识块被定义为具有独立完整语义、能够提供特定医学信息的文本片段。完整性：包含完整的语义信息，可独立理解专业性：涵盖特定糖尿病专业知识点精简性：避免冗余信息，保持适度长度结构化：具有明确的主题、内容和来源Facebook AI研究院开发的FAISS（Facebook AI Similarity Search）是一个高效的相似性搜索和密集向量聚类库，特别适合大规模向量检索。高效检索：支持快速的最近邻搜索可扩展性：能够处理大规模向量数据多种索引类型：支持不同精度和速度需求的索引。

2025-05-21 17:26:27 674

原创专业糖尿病知识库构建（一）：资源选择与PDF处理

标签：#RAG #医疗AI #糖尿病知识库 #PDF处理。

2025-05-21 17:21:40 882

原创健康助手应用的网络错误处理策略

在健康助手项目中，我们实现了一套全面、稳健的网络错误处理策略，有效应对移动应用环境中的各种网络挑战。这些机制不仅提高了应用的稳定性和可靠性，也大大改善了用户在遇到网络问题时的体验。这种多层次、用户友好的网络错误处理策略值得在其他移动应用项目中推广应用，特别是那些依赖关键网络通信的健康类应用。本博客是Android健康助手创新实训项目的技术文档系列之一，详细记录了项目中的技术实现和经验总结。

2025-05-07 12:19:54 927

原创在健康助手应用中实现RAG：从原理到实现

通过在“智能健康助手”应用中集成RAG技术，我们成功地增强了其问答能力，使其能够基于我们提供的、可控的知识库来提供更准确、更可靠、更具深度的健康建议。这一实践充分展示了检索增强生成技术在专业领域应用的巨大价值，为用户提供了一个基于权威知识的智能健康咨询渠道。RAG不仅仅是一项技术组合，它更像是连接海量专业知识与通用人工智能能力之间的一座坚固桥梁。

2025-05-07 12:15:42 686

原创创新实训项目博客：基于LoRA的医疗大模型高效微调实战

预训练大语言模型（LLMs）虽然具备了广泛的知识和一定的通用能力，但在特定领域（如医疗）或特定任务（如遵循特定指令格式进行思考链推理）上，其表现往往不尽如人意。微调（Fine-tuning）能够使模型学习到特定领域的数据分布和任务模式，从而在目标任务上获得更好的性能，使其更贴合实际应用需求。使用Unsloth框架加载并以4-bit量化模型。基于数据集，构建了包含明确思考链引导的训练Prompt。配置了LoRA参数，并使用SFTTrainer在单张T4 GPU上对模型进行了高效微调。

2025-05-07 11:02:57 1188

原创健康助手应用API集成与前后端设计

Retrofit允许我们通过定义一个Java/Kotlin接口来描述API端点。// import com.example.healthassistant.model.* // 假设数据模型已定义// 假设HealthQuestionRequest和HealthResponse以及HealthData已在model包中定义// 健康问答功能@POST("api/health/question") // 对应Node.js中间件的端点// 示例：获取健康数据// 可以定义更多API端点...

2025-05-07 10:07:16 1152