前言#
- SMD 是「Systemic Medicine Doctor」和網域名稱「SM.Doctor」的簡寫，中文翻譯為「系統醫療」。
- SMD核心理念：健康的第一性原理、健康系統工程方法論、醫養一體化療法。
- SMD療法特點：中西醫療法、心理療法與自然療法的有機融合。
- SMD循證醫學：基於SMD方法論的案例分析、方案制定與療效驗證之醫學閉環體系。
- 人類健康計劃：基於SMD方法論的整體健康項目。
SMD-AI 構建方案#
基於大語言模型 DeepSeek-v、RAG 技術（檢索增強生成技術）、MCP 協議、知識庫、SMD 案例庫，構建 SMD-AI 智能診療系統（包含生成式 AI 與可穿戴健康監測設備等）。
一、技術介紹#
- SMD-LLM（大語言模型）
- 核心能力：透過預訓練模型實現語言理解、生成與邏輯推理。
- 待解決問題：知識時效性受限（依賴訓練數據時間範圍）、事實性錯誤、缺乏即時資訊、領域專業深度不足。
- SMD-RAG（檢索增強生成）
- 核心能力：透過檢索外部知識庫（結構化/非結構化數據），將相關資訊注入 LLM 生成過程以提升準確性與關聯性。
- 技術路徑：
- 檢索模組：基於向量相似性（如 Embedding）或語義匹配（BM25）從知識庫召回候選文檔。
- 生成模組：LLM 結合檢索結果生成回答，並控制輸出格式（如引用來源）。
- SMD-知識庫
- 核心能力：存儲特定領域的結構化/半結構化數據。
- 作用：為 RAG 提供可靠知識依據，解決 LLM 知識過時與專業性不足問題。
- SMD-案例庫
- 核心能力：存儲結構化/半結構化疾病康復案例數據。
- 作用：為 RAG 提供療愈事實依據，提升診療精確性。
二、應用場景#
- 場景：精準問答診療系統。
- 流程：用戶提問 → RAG 檢索知識庫/案例庫權威文檔 → LLM 整合資訊生成回答 → 輸出附來源引用的答案。
- 優勢：避免 LLM 虛構事實，提升回答可信度。
三、五者融合優勢#
- 準確性：透過知識庫驗證 LLM 輸出，減少幻覺。
- 時效性：接入即時數據源，覆蓋訓練後新事件。
- 領域深度：彌補 LLM 行業知識短板。
- 可控性：透過檢索結果引導 LLM 輸出，符合合規要求。
四、總結#
- SMD-LLM：生成能力的「大腦」，需外部知識補充；
- SMD-RAG：連接 LLM 與知識庫的「橋樑」，解決事實性問題；
- SMD-MCP：為 AI 系統與外部數據/服務交互提供標準化方式；
- SMD-知識庫：垂直場景落地的可靠知識底座；
- SMD-案例庫：診療場景精準應用的實證案例底座。
四者結合與未來裝載至具身智能機器人，將推動 SMD-AI 從「通用對話」向「專業診療助手」進化。
五、Demo 演示#
點擊預約