init

.gitattributes

@@ -33,3 +33,7 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+*.faiss filter=lfs diff=lfs merge=lfs -text
+med_faq/index.faiss filter=lfs diff=lfs merge=lfs -text
+med_faq/index. filter=lfs diff=lfs merge=lfs -text
+med_faq/index.pkl filter=lfs diff=lfs merge=lfs -text

README.md

@@ -8,5 +8,55 @@ sdk_version: 4.18.0
 app_file: app.py
 pinned: false
 ---
+# LangChain 实战：医疗问题聊天机器人
+
+## 介绍
+
+在本文中，我们将使用 LangChain 库来构建一个医疗问题聊天机器人。 LangChain 是一个用于构建基于语言的 AI 应用的库，它提供了一系列工具和模块，使得开发者能够轻松地构建各种类型的聊天机器人。
+
+我们将使用 LangChain 的以下功能：
+
+- Document Transformers 文本处理模块，用于预处理和清理文本数据。
+- RetrievalQA 聊天机器人模块，用于构建聊天机器人。
+
+## 数据集
+
+使用 ChatGLM-4 构造医疗问题问答数据的 Prompt 示例：
+
+```text
+你是中国协和医院顶级的全科医生，现在向大众普及培训医疗知识，请给出100个常见的患者提出的医疗问题及其建议解决方案。
+每条以如下格式给出：
+[患者问题]
+[医生回答]
+
+```
+
+因为后台单次token的限制，只列举了20条，其余要求其继续输出或构造如下 Prompt：
+
+```text
+现在你是精神科的主任医师，列举中小学生、大学生、程序员会遇到的常见精神疾病问题与建议解决方案，15条
+```
+
+界面展示：
+
+![ChatGLM-4](https://cdn.jsdelivr.net/gh/clover2024/img@master/imgs/chatglm.png)
+
+## 如何运行
+
+Git 提交已经包含了生成的 Chroma 数据库 `med_faq`，直接运行 `med-bot.py` 即可。
+
+## 效果
+
+Gradio 运行界面
+
+![Gradio 运行界面](https://cdn.jsdelivr.net/gh/clover2024/img@master/imgs/med-bot-gradio.png)
+
+后台日志展示
+
+![后台日志展示](https://cdn.jsdelivr.net/gh/clover2024/img@master/imgs/med-bot-log.png)
+
+基于 DjangoPeng 的 sales-chatbot 房产销售机器人开发
+
+医疗问答机器人 med-bot 二次开发：CloverWang
 
 Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

app.py

@@ -0,0 +1,55 @@
+# 这些只是一些建议，每个人的健康状况和需求可能不同。如果有关健康的问题或症状持续存在，建议咨询医生或专业的医疗人员。
+import gradio as gr
+
+from langchain_openai import OpenAIEmbeddings
+from langchain_community.vectorstores import FAISS
+from langchain.chains import RetrievalQA
+from langchain_openai import ChatOpenAI
+
+def initialize_MED_BOT(vector_store_dir: str="med_faq"):
+    db = FAISS.load_local(vector_store_dir, OpenAIEmbeddings())
+    llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0)
+    
+    global MED_BOT    
+    MED_BOT = RetrievalQA.from_chain_type(llm,
+                                           retriever=db.as_retriever(search_type="similarity_score_threshold",
+                                                                     search_kwargs={"score_threshold": 0.75}))
+    # 返回向量数据库的检索结果
+    MED_BOT.return_source_documents = True
+
+    return MED_BOT
+
+def med_chat(message, history):
+    print(f"[message]{message}")
+    print(f"[history]{history}")
+    # TODO: 从命令行参数中获取
+    enable_chat = True
+
+    ans = MED_BOT({"query": message})
+    # 如果检索出结果，或者开了大模型聊天模式
+    # 返回 RetrievalQA combine_documents_chain 整合的结果
+    if ans["source_documents"] or enable_chat:
+        print(f"[result]{ans['result']}")
+        print(f"[source_documents]{ans['source_documents']}")
+        return ans["result"]
+    # 否则输出较为保守的回答
+    else:
+        return "这个问题"
+    
+
+def launch_gradio():
+    demo = gr.ChatInterface(
+        fn=med_chat,
+        title="常见医疗问题问答机器人",
+        # retry_btn=None,
+        # undo_btn=None,
+        chatbot=gr.Chatbot(height=600),
+    )
+
+    demo.launch(share=True, server_name="127.0.0.1")
+
+if __name__ == "__main__":
+    # 初始化医疗问题问答机器人
+    initialize_MED_BOT()
+    # 启动 Gradio 服务
+    launch_gradio()

med_faq/index.faiss

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:3dd685f68aead12d482ab7fbfddf528b700202d511b57e9e28d94e4e7af137b8
+size 1296429

med_faq/index.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:0c16c9860442b21bba77e7f34e8626058527a7818484c6e2c6d74833a4dc097a
+size 84403