基于 RAG（检索增强生成）技术，以 10 万份药品说明书为知识库，提供专业药品信息查询服务。
- 按药品名称查询 — 输入商品名或通用名，精准召回药品详细说明书
- 按症状推荐用药 — 描述身体症状，智能匹配适应症，推荐候选药品
- 复杂问题综合查询 — 处理"高血压患者能用什么感冒药"等多意图混合问题
- 流式实时输出 — SSE 技术逐 token 推送，打字机效果实时显示回答
- 多轮对话记忆 — 会话内上下文连贯，支持追问和澄清
- 完全离线部署 — Embedding 模型本地运行，无需连接 HuggingFace，适合内网环境
用户浏览器
│ HTTP / SSE (Server-Sent Events)
▼
FastAPI Web 服务
│
▼
MedicineAgent（LangGraph ReAct Agent + Qwen LLM）
│ 按意图路由至对应工具
├── search_medicine_by_name ──→ product 集合（名称检索）
├── search_medicine_by_symptom ──→ indications 集合（症状检索）
└── search_medicine_by_comprehensive ─→ comprehensive集合（综合检索）
│
▼
MedicineIndexManager（llama-index）
├── BGE-M3 Embedding（本地 GPU）
├── ChromaDB 持久化向量数据库
└── 后处理器链
├── SimilarityPostprocessor（相似度阈值过滤）
├── SentenceTransformerRerank（可选精排）
└── LongContextReorder（缓解"迷失中间"）
| 集合 | 向量化内容 | 检索增强技术 |
|---|---|---|
medicine_product |
药品名称、商品名、拼音、分类 | 元数据精确/包含匹配快速路径（绕过向量相似度） |
medicine_indications |
适应症全文、疾病关键词、药理摘要 | QueryFusionRetriever + RRF（4路多查询融合） |
medicine_comprehensive |
名称+适应症+用法+禁忌+不良反应+注意事项 | HyDEQueryTransform（假设文档向量化） |
| 组件 | 技术 | 版本 |
|---|---|---|
| Web 框架 | FastAPI + Uvicorn | 0.135 / 0.41 |
| Agent 框架 | LangChain + LangGraph | 1.2 |
| LLM 接入 | LangChain-OpenAI（兼容 Qwen API） | 1.1 |
| 向量索引 | llama-index-core | 0.14 |
| Embedding 模型 | BAAI/bge-m3（HuggingFace） | — |
| 向量数据库 | ChromaDB（本地持久化，cosine 空间） | 1.5 |
| 深度学习框架 | PyTorch（CUDA 12.9） | 2.8 |
| 大语言模型 | Qwen3.5-plus（阿里云 DashScope） | — |
| 数据清洗 | BeautifulSoup4 | 4.14 |
| 组件 | 技术 |
|---|---|
| 界面框架 | 原生 HTML5 + CSS3 + Vanilla JS |
| Markdown 渲染 | marked.js v9 |
| 代码高亮 | highlight.js v11 |
| 会话持久化 | localStorage |
| 流式消费 | Fetch API + ReadableStream + AbortController |
- Python 3.12.3
- conda
- NVIDIA GPU（推荐显存 ≥ 8GB，支持 CUDA 12.x）
- 已下载 BGE-M3 模型至本地（默认路径
D:/Embeddings_Model） - 已构建 ChromaDB 向量索引（默认路径
D:/Embeddings_Data/medicine_llamaindex/storage）
conda create -n lang python=3.12.3
conda activate lang
pip install -r requirements.txt敏感配置（API Key、服务端口等）通过项目根目录的 .env 文件注入，config/config.py 启动时自动加载（python-dotenv），禁止硬编码到代码。
复制以下内容到项目根目录的 .env 并填入自己的密钥：
# ─── Qwen（通义千问） ─────────────────────────────────
QWEN_API_KEY=your-dashscope-api-key
QWEN_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
QWEN_MODEL_NAME=qwen3.5-plus
QWEN_TEMPERATURE=0.2
QWEN_MAX_TOKENS=10000
QWEN_TIMEOUT=60
# ─── FastAPI 服务 ─────────────────────────────────────
FASTAPI_HOST=127.0.0.1
FASTAPI_PORT=8000
# ─── 离线资源路径（可选，缺省走 config.py 中的默认值） ─
# MEDICINE_BASE_DIR=D:/Embeddings_Data/medicine_llamaindex
# EMBEDDING_MODELS_ROOT=D:/Embeddings_Model
# EMBEDDING_DEVICE=cuda
# EMBEDDING_TARGET_DEVICES=cuda:0,cuda:1
# RERANKER_ENABLED=false.env 已在 .gitignore 中，不会被提交。其他相对稳定的离线资源路径（向量库 / 模型缓存）默认值在 config/config.py 中，按需通过环境变量覆盖。
conda activate lang
cd /path/to/project
python build_index.py
# 或使用脚本入口（PowerShell）
pwsh ./scripts/build.ps1conda activate lang
cd /path/to/project
uvicorn app_fastapi:app --host 127.0.0.1 --port 8000 --reload
# 或使用脚本入口（PowerShell，host/port 走 .env 默认值）
pwsh ./scripts/run.ps1访问 http://127.0.0.1:8000 即可使用。
medicine-ai-assistant/
├── app_fastapi.py # FastAPI 服务入口，SSE 流式对话端点
├── build_index.py # 向量索引构建入口（process_data → build_indexes）
├── .env # 敏感配置（API Key / 端口），git 忽略
├── config/
│ └── config.py # 全局配置（自动 load_dotenv，提供默认值）
├── modules/
│ ├── agents.py # LangChain ReAct Agent、三个 Tool、流式输出
│ ├── index_manager.py # llama-index 向量索引构建、加载、检索管理
│ ├── chroma_store.py # ChromaDB 适配器（DEFAULT/MMR 查询、MetadataFilters）
│ └── data_loader.py # 药品 JSON 数据加载、清洗、三类 Document 构建
├── scripts/
│ ├── run.ps1 # 启动 FastAPI（PowerShell）
│ └── build.ps1 # 构建向量索引（PowerShell）
├── static/
│ ├── index.html # 前端 SPA 主页
│ ├── css/style.css # 界面样式
│ └── js/app.js # 前端逻辑（SSE 消费、Markdown 渲染、会话管理）
└── README.md
Agent 根据用户输入的意图，自动选择对应检索工具：
| 用户输入示例 | 触发工具 |
|---|---|
| "阿莫西林的用法用量" | search_medicine_by_name |
| "感冒头痛发烧推荐什么药" | search_medicine_by_symptom |
| "高血压患者感冒了可以吃什么药" | search_medicine_by_comprehensive |
| "哪些感冒药含有嗜睡成分" | search_medicine_by_comprehensive |
每条药品记录包含以下字段（存储于 ChromaDB metadata）：
标题 · 通用名称 · 商品名称 · 批准文号 · 药品分类 · 药品性质 · 生产企业 · 相关疾病 · 适应症 · 主要成份 · 规格 · 用法用量 · 不良反应 · 禁忌 · 注意事项 · 孕妇及哺乳期妇女用药 · 儿童用药 · 老人用药 · 药物相互作用 · 药理毒理 · 贮藏 · 有效期
向量索引支持增量写入，新增药品数据时无需重建全量索引：
# 将新数据追加到 all_data.json 后，重新运行
python build_index.py
# 已处理的文档 ID 通过 processed_ids.json 追踪，自动跳过流式对话接口（Server-Sent Events）。
请求体
{
"message": "阿莫西林的用法用量是什么？",
"thread_id": ""
}
thread_id为空时自动创建新会话；传入已有 ID 则延续该会话的对话历史。
响应流（text/event-stream）
data: {"thread_id": "uuid-xxx", "type": "meta"}
data: {"token": "阿莫西林", "type": "token"}
data: {"token": "（", "type": "token"}
...
data: {"token": "。", "type": "token"}
data: [DONE]
| 事件类型 | 说明 |
|---|---|
meta |
首帧，携带本次会话的 thread_id |
token |
LLM 输出的文本片段，前端逐步拼接渲染 |
error |
发生错误时推送，携带错误信息 |
[DONE] |
流结束标志 |
创建新会话，返回唯一 thread_id。
// 响应
{ "thread_id": "550e8400-e29b-41d4-a716-446655440000" }健康检查。
{
"status": "ok",
"agent_loaded": true,
"index_loaded": true
}| 配置项 | 默认值 | 说明 |
|---|---|---|
EMBEDDING_MODEL_NAME |
BAAI/bge-m3 |
Embedding 模型名称 |
EMBEDDING_DEVICE |
cuda |
推理设备（cuda / cpu） |
EMBEDDING_BATCH_SIZE |
128 |
向量化批大小 |
RERANKER_ENABLED |
False |
是否启用二阶段精排 |
RERANKER_MODEL_NAME |
BAAI/bge-reranker-v2-m3 |
精排模型（需单独下载） |
QWEN_MODEL_NAME |
qwen3.5-plus |
使用的千问模型 |
QWEN_TEMPERATURE |
0.2 |
LLM 温度（越低越稳定） |
QWEN_MAX_TOKENS |
10000 |
最大输出 token 数 |
FASTAPI_HOST |
127.0.0.1 |
服务监听地址 |
FASTAPI_PORT |
8000 |
服务监听端口 |
所有配置项均可通过 .env 覆盖；空缺时使用 config/config.py 中的默认值。
启用精排（Reranker）： 在 .env 中设置
RERANKER_ENABLED=true
RERANKER_MODEL_NAME=BAAI/bge-reranker-v2-m3本系统仅供参考，不构成任何医疗建议。药品信息来源于说明书文本，可能存在版本滞后。 请在医生或药师的指导下用药。