PythonAI算法
基于 RAGFlow 搭建 AI 医疗问诊助手
本文介绍如何使用开源 RAG 引擎 RAGFlow 搭建 AI 医疗问诊助手。内容涵盖环境准备（WSL2、Docker）、本地大模型部署（Ollama、Qwen）、知识库构建及解析流程，以及通过 API 调用服务的方法。重点展示了如何利用 RAGFlow 处理医疗数据集，实现准确且有依据的问答，并对比了与传统微调模型的优势。文章详细说明了从安装配置到实际调用的完整步骤，包括常见问题的排查与性能优化建议。
本文介绍如何使用开源 RAG 引擎 RAGFlow 搭建 AI 医疗问诊助手。内容涵盖环境准备（WSL2、Docker）、本地大模型部署（Ollama、Qwen）、知识库构建及解析流程，以及通过 API 调用服务的方法。重点展示了如何利用 RAGFlow 处理医疗数据集，实现准确且有依据的问答，并对比了与传统微调模型的优势。文章详细说明了从安装配置到实际调用的完整步骤，包括常见问题的排查与性能优化建议。
RAGFlow 是一款基于深度文档理解构建的开源检索增强生成（Retrieval-Augmented Generation, RAG）引擎。它能够为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。
RAGFlow 的核心作用在于让用户创建自有知识库，根据设定的参数对知识库中的文件进行智能切块处理。当用户向大模型提问时，RAGFlow 先查找自有知识库中的切块内容，接着把查找到的知识库数据输入到对话大模型中再生成答案输出。相比传统的微调模型，RAGFlow 在医疗领域问答中对幻觉控制得更好，且无需昂贵的训练成本即可实现高质量回答。
在 Windows 系统中启用虚拟化功能并升级至 WSL2。
wsl --update
wsl --install -d Ubuntu-22.04
wsl --set-default-version 2
wsl -d Ubuntu-22.04
timedatectl set-timezone Asia/Shanghai
使用 Git Bash 或 WSL 终端执行以下步骤：
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
./docker/.env 文件第 45 行，将 HF_ENDPOINT 设置为国内镜像站点以加速下载：HF_ENDPOINT=https://hf-mirror.com
chmod +x ./entrypoint.sh
docker compose -f docker-compose.yml up -d
docker logs -f ragflow-server
ipconfig 查看），默认端口为 80。点击 Signup 注册账号后登录。为了降低 API 调用成本并保护数据隐私，建议部署本地大模型。
访问 https://www.ollama.com/ 下载并安装 Ollama。
选择适合中文场景的模型，例如 Qwen2:7b 和中文 Embedding 模型。
# 列出可用模型
ollama list
# 下载千问模型
ollama run qwen2:7b
# 下载中文嵌入模型
ollama pull shaw/dmeta-embedding-zh
在 RAGFlow 管理界面中添加模型：
http://host.docker.internal:11434 作为 Base URL。qwen2:7b）。shaw/dmeta-embedding-zh。可以从 HuggingFace 下载专业的医疗 QA 数据集，例如 InfiniFlow 提供的 medical_QA 数据集，涵盖内科、肿瘤学、妇产科等多个领域。
shaw/dmeta-embedding-zh上传完成后点击启动按钮开始解析。解析过程会将每个 QA 对转化为向量索引。等待解析成功后，可在知识库中进行简单的检索测试，验证召回效果。
在'聊天'模块添加助理，配置相关参数：
RAGFlow 提供了后端 API 服务，便于集成到其他应用中。
import requests
API_URL = "http://your-ragflow-ip/api/v1/chat"
API_KEY = "your-api-key"
headers = {"Authorization": f"Bearer {API_KEY}"}
payload = {
"question": "感冒发烧如何用药？",
"knowledge_id": "your-knowledge-id"
}
response = requests.post(API_URL, json=payload, headers=headers)
print(response.json())
.env 中的 HF_ENDPOINT 是否配置正确，确保网络可达。docker compose down -v
docker compose up -d
RAGFlow 作为一个先进的开源 RAG 引擎，通过其强大的功能和灵活的配置，不仅在技术上非常前沿，而且在实际应用中也展现出了巨大的潜力。无论是企业用户还是个人开发者，都可以利用 RAGFlow 提升文档处理和数据分析的效率。特别是在医疗垂直领域，RAGFlow 能够有效控制回答幻觉，结合专业医学数据库（如 PubMed）进行搜索，生成高质量可靠的回答，是构建智能医疗客服系统的理想选择。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online