本系统是一款基于大模型的中医AI体质辨识与调理web应用。
用户无需下载App,直接在浏览器中上传舌苔照片、体检报告,并用文字描述症状。系统通过多模态输入和RAG双库机制(用户记忆库+中医古籍知识库),结合Prompt Engineering,输出个性化的体质诊断与调理方案。
核心功能包括:
1. 多模态智能诊断:图文结合,精准分析用户当下体质状态。
2. 个性化SOP自动生成:系统会根据不同用户类型,自动设计并生成专属的个性化SOP跟踪方案。利用记忆库实现持续跟踪与自动反馈,科学贴合个体,有效提升调理依从性。
3. 结构化个性化方案输出:基于用户的体质和类型,给出个性化的饮食、作息、运动等具体建议,有效降低大模型幻觉。
4. 低门槛即开即用:全程无需代码干预,用户直接浏览器访问,适用于中医馆引流、健康管理及个人体质自测等场景。
🔗 在线体验地址: https://sulv.netlify.app/
我独立负责了整套系统的业务架构与AI落地:
业务逻辑设计:设计了“用户多模态输入 → 结合记忆库与知识库检索 → 大模型辨证推理 → 输出结构化调理方案”的完整闭环。
AI工作流编排:基于阿里百炼平台,通过可视化工作流串联起多模态识别、RAG检索、大模型对话与记忆库读写等核心节点。
双库建设:独立整理中医古籍与临床案例,完成数据清洗并构建专属知识库;同时配置了用户级记忆库,实现了对用户历史症状的长期跟踪。
提示词工程:设计了专业的中医辨证提示词,严格约束大模型基于知识库与用户历史输出建议,有效降低了幻觉。
技术栈:Python、NLP、阿里百炼、大模型API、RAG、Prompt Engineering。
亮点:通过“记忆库+知识库”双库机制,将中医“辨证论治”与“长期跟踪”逻辑成功落地为AI应用。
注意:系统架构设计包含中医古籍知识库与舌苔知识库模块。当前演示版本因平台额度限制,知识库模块以设计稿/历史工作流截图展示,完整部署时会正式接入。