前言#
- SMD 是“Systemic Medicine Doctor”和域名“SM.Doctor”的简写，中文翻译为“系统医疗”。
- SMD核心理念：健康的第一性原理、健康系统工程方法论、医养一体化疗法。
- SMD疗法特点：中西医疗法、心理疗法与自然疗法的有机融合。
- SMD循证医学：通过SMD方法论分析案例、制定方案、验证反馈的闭环医学体系。
- 人类健康计划：基于SMD方法论的整体健康项目。
SMD-AI构建方案#
基于大语言模型DeepSeek-v版本、RAG技术（检索增强生成技术）、MCP协议、知识库、SMD案例库构建SMD-AI智能诊疗系统（包括生成式AI与可穿戴健康状态监控AI设备等）。
一、技术介绍#
- SMD-LLM（大语言模型）
- 核心能力：通过预训练模型，使其具备语言理解、生成和逻辑推理能力。
- 要解决的问题：知识截止（依赖训练数据的时间范围）、事实性错误、缺乏实时信息、对特定领域知识深度不足。
- SMD-RAG（检索增强生成）
- 核心能力：通过检索外部知识库（结构化/非结构化数据），将相关信息注入LLM的生成过程，提升输出的准确性和相关性。
- 技术路径：
- 检索模块：基于向量相似性（如Embedding）或语义匹配（BM25）从知识库中召回候选文档。
- 生成模块：LLM结合检索结果生成回答，同时控制输出格式（如引用来源）。
- SMD-知识库
- 核心能力：存储特定领域或场景的结构化/半结构化数据。
- 作用：为RAG提供可靠的知识依据，解决LLM知识过时、领域专业性不足的问题。
- SMD-案例库
- 核心能力：存储病症康复的结构化/半结构化案例数据。
- 作用：为RAG提供可靠的疗愈的案例事实依据，解决LLM诊疗精确性问题。
二、应用场景#
- 场景：精准问答问诊系统。
- 流程：用户提问 → RAG检索知识库与案例库中的权威文档 → LLM整合信息并生成答案 → 输出带引用来源的回答。
- 优势：避免LLM编造事实，提升回答的可信度。
三、五者融合优势#
- 准确性：通过知识库验证LLM的输出，减少幻觉。
- 时效性：接入实时数据源，覆盖LLM训练后发生的事件。
- 领域深度：弥补LLM在特定行业知识的不足。
- 可控性：通过检索结果引导LLM输出，符合合规要求。
四、概括与总结#
- SMD-LLM：是生成能力的“大脑”，但需要外部知识的补充；
- SMD-RAG：是连接LLM与知识库的“桥梁”，解决事实性问题；
- SMD-MCP：AI系统与外部数据源和服务之间的交互提供标准化方式；
- SMD-知识库：是可靠的知识数据底座，支撑垂直场景的落地；
- SMD-案例库：是可靠的事实案例数据底座，支撑诊疗场景精确应用。
五者的结合以及未来装载入具身智能机器人，将会推动SMD-AI从生成式AI“通用对话”向诊疗AGENT“专业助手”的进化。
五、Demo演示#
点击预约