本系统是一个完全本地化部署、基于检索增强生成 (Retrieval-Augmented Generation, RAG) 技术的智能医疗问答平台。系统利用开源大语言模型提供极具同理心和专业度的医疗咨询服务，并通过严格的多步骤 Prompt 链路与混合检索技术，有效解决了大模型在医疗领域的“幻觉”与“张冠李戴”问题。
系统采用经典的前后端分离与双数据库架构，确保数据的安全性与高并发处理能力：
-
表现层 (前端)：原生 HTML/CSS/JS 构建，前端代码采用模块化（Modules）与控制器（Controllers）架构，支持 Markdown 实时渲染与 SSE (Server-Sent Events) 打字机流式输出。
-
业务层 (后端)：基于
FastAPI异步框架，提供高性能的 RESTful API，涵盖鉴权、会话管理、后台看板及知识库上传等功能。 -
模型驱动层：基于
Ollama本地引擎。 -
文本生成：
Gemma3:4b(负责意图识别、逻辑推理与对话生成) -
向量表征：
nomic-embed-text(负责文档切片与用户问题的 Embedding 化) -
数据持久层：
-
结构化数据：
SQLite(data/medical.db)，存储用户、会话、聊天记录与文档元数据。 -
非结构化/向量数据：
Weaviate，存储医疗文本切片、分词索引与高维向量。
知识库兼容两种主流格式的医疗数据，满足不同维度的知识补充需求：
- 结构化问答对 (CSV)：
- 来源：如
cmedqa2等开源中文医疗问答数据集。 - 处理：智能匹配文件中的
question与answer列，拼接成固定格式后进行分词与向量化入库。
- 非结构化长文本 (Markdown / TXT)：
- 来源：各类专业医学指南（如存放于
MedicalGuide-PDF_and_Markdown中的文献）。 - 处理：采用带重叠的滑动窗口切片算法，按固定长度切割，消除排版冗余，保障上下文语义不断裂。
- 滑动窗口文本切片 (Sliding Window Chunking) 针对 MD 长文本，按照 500 字符进行截断，同时保留 50 字符的上下文重叠（Overlap），避免完整的医学概念被生硬切断。
- 混合检索算法 (Hybrid Search) 在召回阶段，不单纯依赖向量距离。系统在 Weaviate 中设定混合权重，将 BM25 关键词倒排索引匹配 (基于 Jieba 中文分词) 与 高维向量余弦相似度匹配 结合，极大提升了专有名词的召回精准度。
- 多步安全与过滤工作流 (LLM Prompt Chain)
- 安全检测：拦截违规或极端危险输入。
- 意图分类：区分“医疗咨询”与“日常闲聊”，闲聊直接绕过 RAG 库，节省算力。
- 查询优化：大模型将用户的大白话提炼为“症状”与“病因”关键词，喂给检索算法。
- 资料清洗：大模型充当“判官”，剔除严重程度不符、主题偏离的无用检索结果。
- 最终生成：限制大模型仅参考留存的优质资料输出【病情分析】、【用药建议】与【生活护理】，并通过 Prompt 严格封印 LaTeX 乱码输出，杜绝“患者混淆”。
Medical_RAG_System/
├── app/ # 后端核心业务代码目录
│ ├── medical_data/ # 本地原始医疗数据集 (cmedqa2, 医学指南等)
│ ├── routers/ # 路由分发层 (API 控制器)
│ │ ├── admin.py # 后台管理、数据看板与知识库上传接口
│ │ ├── auth.py # 用户鉴权与登录注册接口
│ │ ├── chat.py # RAG 对话核心链路与流式输出接口
│ │ └── knowledge.py # 知识库列表检索与操作接口
│ ├── services/ # 独立业务服务逻辑层
│ ├── utils/ # 通用工具包
│ │ ├── experiment.py # 消融实验与参数对比测试脚本
│ │ ├── scan_files.py # 离线文件扫描与元数据同步 SQLite 工具
│ │ ├── util.py # 日志配置与系统基础辅助工具
│ │ └── vector_db.py # 核心：Weaviate 向量库驱动与混合检索引擎
│ ├── 离线脚本/ # 知识库初始化专用的刷库工具
│ │ ├── ingest_csv.py # 结构化问答对(CSV)批量入库脚本
│ │ └── ingest_md.py # 非结构化长文本(MD)切片入库脚本
│ ├── database.py # SQLite 数据库连接配置
│ ├── docker-compose-weaviate.yml # Weaviate 向量库一键部署容器编排文件
│ ├── main.py # FastAPI 应用实例及全局路由挂载
│ ├── models.py # SQLAlchemy 数据表模型 (ORM)
│ ├── prompts.json & .py # 核心 RAG 提示词模板集中管理库
│ └── schemas.py # Pydantic 数据请求验证模型
├── data/ # 动态生成的数据持久化目录
│ └── medical.db # 系统结构化关系型数据库文件
├── static/ # 前端静态资源目录
│ ├── avatars/ # 用户默认及上传的头像
│ ├── css/ # 页面样式表 (admin.css, chat.css等)
│ ├── images/ # 静态图片资源
│ └── js/ # 模块化前端脚本
│ ├── controllers/ # 页面级业务逻辑 (admin, chat, profile, session)
│ ├── modules/ # 封装的功能模块 (api, state, ui, utils)
│ └── main.js # 前端全局入口文件
├── templates/ # 前端 HTML 模板目录
│ ├── admin.html # 管理员数据看板与知识库操作大盘
│ ├── chat.html # 核心医患对话与流式渲染交互界面
│ └── index.html # 登录与注册主页
├── .gitignore # Git 提交忽略配置文件
├── README.md # 项目说明文档
├── requirements.txt # Python 依赖包清单
└── run.py # 项目启动主入口脚本
