个人介绍
我是程序员客栈的【昵称】,一名【二级方向】; 我毕业于【大学名称】,担任过【公司1】的【职位】,担任过【公司2】的【职位】; 负责过【项目1名称】,【项目2名称】,【项目3名称】的开发; 熟练使用【技术栈1】,【技术栈2】,【技术栈3】,【技术栈4】,【技术栈5】; 如果我能帮上您的忙,请点击“立即预约”或“发布需求”!
工作经历
2024-11-03 -至今中科院负责人
基于人工智能的AI问诊导巡大模型,旨在提升患者就医效率,缓解医疗资源压力。 项目搭建: 使用前端页面与FastAPI框架进行前后端系统搭建。 数据来源: 利用爬取的医学网站数据和开源医学对话数据集,训练意图识别模型,准确判断用户输入的意图,分为闲聊和问诊。 LangChain应用: 对于闲聊,直接与大模型进行对话。对于问诊,检索RAG向量数据库,召回相关文本。使用命名实体识别技术识别用户提问的疾病或症状。借助知识图谱Neo4j获取对应的科室和症状信息。最后构建提示词模板给到大模型。 模型使用: 项目共涉及五个模型,包括千问7B和14B的LoRA训练模型、自预训练的意图识别模型、ModelScope中的RAG检索模型和命名实体识别模型。 VllM部署: 全部模型和相关数据都部署在本地,使用VLLM对千问7B和14B进行加速推理,实现实时对话功能。 Agent智能决策: 在此基础上,使用本地千问14B的智能体对两个模型的回复进行裁决,模型能够自主判断并返回最优回复给用户。
教育经历
2023-09-01 - 汕头大学计算机科学与技术本科已认证
技能
基于人工智能的AI问诊导巡大模型项目旨在提升患者的就医效率,缓解医疗资源压力。以下是项目的详细讲解: 遇到的问题: · 整体架构: 如何在项目框架中选择前后端以及模型api的响应。 · 流式回答:如何实现用户能够获得流式回答,减少模型的响应时间。 · 模型裁决:如何让两个大模型的回答能够自动进行裁决,生成最优的回复。 · 意图识别:如何确保模型能够识别用户的问题是在进行问诊,而非闲聊。 · 信息整合:如何将RAG检索和知识图谱的信息与提示词相结合,提供给大模型用于回复。 项目搭建过程: · 系统架构:项目使用前端页面与FastAPI框架进行前后端系统搭建,实现无缝交互。 · 数据来源:数据主要来自爬取的医学网站和开源医学对话数据集,用于训练意图识别模型,以准确判断用户输入的意图,分为闲聊和问诊两类。 · 项目流程与LangChain应用结合: 对于闲聊场景,系统直接与大模型进行对话。 对于问诊场景,系统首先检索RAG向量数据库,召回相关文本,并使用命名实体识别技术识别用户提问的疾病 或症状。利用知识图谱(Neo4j)获取相关命名实体识别的科室和症状信息,最终构建提示词模板供大模型使用。 · 模型使用:项目涉及五个模型,包括千问7B和14B的LoRA训练模型、自预训练的意图识别模型、ModelScope中的RAG检索模型和命名实体识别模型。 · VllM部署:所有模型和相关数据均在本地服务器部署,使用VLLM对千问7B和14B模型进行加速推理,实现实时对话功能。 · Agent智能决策:在此基础上,使用本地千问14B的智能体对两个模型的回复进行裁决,模型能够自主判断并返回最优回复给用户。 最终效果: · 实现了模型的实时回复, 比单次推理快上3秒; · 使用agent对模型的回复进行裁决, 效果测试接近于人工审核; · 实现了模型自动思考决策行为+rag和知识图谱的信息作为提示词工程, 减少了模型的幻觉问题;