腾讯云大模型知识引擎驱动的DeepSeek满血版医疗顾问大模型搭建实战

文章目录

• [1. 引言](#1. 引言)
• [2. 什么是腾讯云大模型知识引擎（LKE）？](#2. 什么是腾讯云大模型知识引擎（LKE）？)
• • 核心优势
  • 功能特点
  • 应用场景
• [3. 模型搭建过程](#3. 模型搭建过程)
• • [3.1 注册登录产品](#3.1 注册登录产品)
  • [3.2 创建应用](#3.2 创建应用)
  • [3.3 配置模型](#3.3 配置模型)
  • [3.4 配置角色指令](#3.4 配置角色指令)
  • [3.5 配置欢迎语](#3.5 配置欢迎语)
  • [3.6 配置知识库](#3.6 配置知识库)
  • [3.7 配置工作流](#3.7 配置工作流)
  • [3.8 启用联网搜索](#3.8 启用联网搜索)
  • [3.9 发布模型](#3.9 发布模型)
• [4. 问答测试](#4. 问答测试)
• • [4.1 测试问题 1：头痛是什么原因引起的？](#4.1 测试问题 1：头痛是什么原因引起的？)
  • [4.2 测试问题 2：高血压应该如何控制？](#4.2 测试问题 2：高血压应该如何控制？)
  • [4.3 测试总结](#4.3 测试总结)
• [5. Java程序中集成API](#5. Java程序中集成API)
• • [5.1 获取secretId和secertKey](#5.1 获取secretId和secertKey)
  • [5.2 获取botAppkey机器人秘钥](#5.2 获取botAppkey机器人秘钥)
  • [5.3 Java测试程序中配置秘钥](#5.3 Java测试程序中配置秘钥)
  • [5.4 问答测试](#5.4 问答测试)
• [6. 结语](#6. 结语)

1. 引言

作为一名对医疗智能化充满热情的开发者，我决定利用腾讯云大模型知识引擎（LKE）驱动的DeepSeek满血版模型，搭建一个专为医疗场景设计的医疗顾问大模型。这个项目不仅是为了响应医疗行业对高效、智能解决方案的迫切需求，也是我探索大模型技术在专业领域应用的一次实践尝试。在这个过程中，我将对模型进行全面配置，以确保它能够精准理解用户需求并提供专业化的医疗建议。

为了实现这一目标，我首先选择了意图识别模型高级版8K 作为思考模型。这个版本特别适合同时配置问答、文档、工作流和插件的复杂场景，拥有更强的意图识别能力，并且支持在角色指令中自定义配置意图，能够更准确地捕捉用户在医疗咨询中的多样化需求。此外，我还将配置生成模型（DeepSeek-R1），以充分发挥其强大的语义生成和推理能力，确保输出内容既专业又易懂。为了让模型真正"落地"，我计划通过配置角色指令明确模型的医疗顾问定位，结合精心构建的医疗知识库（如诊疗规范、病例数据等），并设计高效的工作流来优化问答和建议生成过程，最终完成一个功能完备的医疗大模型。

通过这次实战，我希望不仅能展现腾讯云大模型知识引擎与DeepSeek满血版的强大能力，还能为医疗行业的智能化转型贡献一份力量。接下来，我将详细分享搭建的过程与思考，带大家一同见证这个医疗顾问大模型的诞生。

2. 什么是腾讯云大模型知识引擎（LKE）？

**腾讯云大模型知识引擎（LLM Knowledge Engine，简称LKE）**是腾讯云面向企业客户及合作伙伴推出的一项基于大语言模型的知识应用构建平台。它结合了企业专属数据与先进的AI技术，提供知识问答、检索增强生成（RAG）等多种应用范式，旨在帮助用户快速、高效地构建行业级智能应用，推动大语言模型在企业服务场景中的落地应用。

核心优势

LKE的核心在于其**"联网搜索+RAG+知识库"**的原子能力组合：

• 联网搜索： 模型能够实时获取互联网上的最新信息。
• RAG（检索增强生成）： 将检索到的信息与生成能力相结合，提升回答的准确性和上下文相关性。
• 知识库功能： 允许用户上传企业内部专属数据（如文档、问答素材等），实现定制化知识的深度整合与应用。

无论是通过低代码工具快速搭建，还是利用API进行深度开发，LKE都提供了稳定、安全的技术底座，降低了开发门槛，助力企业加速智能化转型。

功能特点

• 高效开发： 支持企业级Agent构建、RAG应用创建以及工作流应用发布。
• 复杂知识处理： 内置OCR、LLM+RAG、MLLM（多模态大语言模型）等技术，智能解析复杂文档。
• 一站式流程： 提供模型配置、知识管理、问答测试到应用发布的完整生命周期支持。

应用场景

腾讯云LKE适用于法律咨询、金融分析、医疗问答等多个行业领域。通过与**DeepSeek系列模型（如DeepSeek-R1、DeepSeek-V3）**的深度集成，LKE进一步增强了语义分析、推理能力和生成效果，为开发者提供了构建高性能智能应用的强大支持。总之，LKE不仅是一个技术平台，更是一个连接企业数据与AI能力的桥梁，助力各行业实现知识驱动的智能化升级。

3. 模型搭建过程

以下是我搭建医疗顾问大模型的完整步骤，涵盖注册登录、应用创建、模型配置、知识库和工作流设置等环节，配以实际操作截图，帮助读者直观理解。

3.1 注册登录产品

首先我们需要进入到大模型知识引擎页面，地址：大模型知识引擎，如果没有进行注册登录的，先注册登录并激活产品。

3.2 创建应用

登录后，在应用管理模块中点击"新建应用"（应用管理 -> 新建应用）。

我们创建一个应用名称为"医疗顾问"的大模型应用。

3.3 配置模型

进入配置页面后，我们需要对模型进行设置：

• 思考模型： 选择意图识别模型高级版8K。
• 生成模型： 选择DeepSeek-R1。

3.4 配置角色指令

为"医疗顾问"配置专属提示词，明确其职责和风格：

#角色名称：角色概述和主要职责的一句话描述提供专业、易懂的医疗建议和健康指导，帮助用户更好地理解和管理自身健康。
#风格特点：角色说话风格、性格特点专业、耐心、富有同情心。以清晰、简洁的方式解释复杂的医疗信息，避免过多专业术语，语气亲切且鼓励用户积极参与健康管理。
#输出要求：限制角色输出格式、内容字数、要求输出语言等情况
1. 回答简洁明了，字数控制在1000字以内。
2. 使用中文，确保内容通俗易懂。
3. 避免提供具体诊断或处方，强调建议用户咨询专业医生。
4. 如适用，提供权威的医疗信息来源或参考链接。
#能力限制：不在角色能力范围内的描述
1. 不具备诊断疾病或开具处方的能力。
2. 无法提供紧急医疗救助或处理危急情况。
3. 不解答超出医疗领域的非健康相关问题。
4. 无法代替专业医生的正式咨询或治疗。
能够达成以下用户意图
##意图名称：清晰明确的需求名称，如硬件故障排查健康咨询与医疗建议
##意图描述：具体描述需要解决用户什么问题，如用户咨询硬件故障并寻求解决方案为用户提供关于症状、疾病、健康管理等方面的咨询，帮助用户了解可能的原因、预防措施或下一步行动建议。
##意图示例：举例辅助说明用户实际问题
1. "头痛是什么原因引起的？"
2. "高血压应该如何控制？"
3. "我最近总感觉疲劳，可能是缺什么营养吗？"
##意图实现：说明对模型指令回复的具体要求，如反问澄清用户硬件型号
1. 分析用户问题，提供可能的原因或相关健康知识。
2. 建议用户采取的生活方式改变或预防措施。
3. 推荐用户咨询专业医生进行进一步检查或治疗。
4. 如适用，提供权威的医疗信息来源或参考资料，帮助用户深入了解。

3.5 配置欢迎语

填写欢迎语后，会在客户侧首页展示，提升用户初次交互体验。

欢迎语内容：

您好！我是您的医疗顾问，很高兴为您提供健康支持。无论是症状疑问还是健康管理建议，我都会尽力以专业、易懂的方式解答。请告诉我您的问题或需求，我会根据权威信息给出实用建议。不过请注意，我无法提供具体诊断或处方，如有需要，建议您咨询专业医生。有什么我可以帮您的吗？

3.6 配置知识库

我们可以通过上传医疗领域的专属数据（如诊疗规范、病例文献、药品说明）来构建知识库，为模型提供可靠的事实依据，避免生成泛泛或错误的回答。例如，当用户询问"高血压用药注意事项"时，模型可直接引用知识库中的权威信息。

3.7 配置工作流

工作流将意图识别模型（高级版8K）、生成模型（DeepSeek-R1）、知识库和合规检查 等功能串联，形成完整闭环。例如，它能从知识库提取权威数据并生成简洁建议，同时提醒用户咨询医生。工作流就像医疗顾问的"指挥中心"，协调各项能力，确保高效、准确地为用户提供健康支持。

工作流详情：

#工作流名称：医疗咨询与建议生成
#概括用途：触发医疗顾问为用户提供症状分析、健康建议或下一步行动指导。
#工作流描述：
#描述：帮助用户解答医疗相关问题，包括症状原因分析、健康管理建议或就医指导，根据知识库和模型能力生成专业回复。
#示例：
- "我头痛了两天，可能是什么原因？"
- "感冒咳嗽应该吃什么药？"
- "体检报告显示血糖偏高怎么办？"
#工作流实现：
1. 意图识别：通过意图识别模型高级版8K，分析用户输入，判断是否涉及症状咨询、健康建议或医疗指导。
2. 知识检索：从配置的医疗知识库中提取相关信息（如疾病症状、诊疗规范、健康建议）。
3. 生成回复：调用生成模型D（DeepSeek-R1），结合检索结果生成简洁、专业且易懂的回答，字数控制在200字以内。
4. 合规检查：确保回复不包含具体诊断或处方，提醒用户必要时咨询专业医生。
5. 输出建议：提供下一步行动建议（如生活调整、就医指引）并附上参考依据（如知识库中的权威来源）。

3.8 启用联网搜索

启用联网搜索功能，结合实时互联网信息，为用户提供更丰富、更及时的知识回复。

3.9 发布模型

配置完成后，前往发布管理 模块，对"医疗顾问"大模型进行发布。

模型发布成功后，我们可以进行在线体验，并将其接入到项目中。

4. 问答测试

在完成模型配置、知识库和工作流的搭建后，我对"医疗顾问"大模型进行了问答测试，以验证其在医疗场景中的表现。以下是两个典型问题的测试过程及结果，展示了模型如何结合知识库、联网搜索和工作流提供专业且实用的回答。

4.1 测试问题 1：头痛是什么原因引起的？

4.2 测试问题 2：高血压应该如何控制？

4.3 测试总结

通过以上测试，"医疗顾问"展现了精准的意图识别能力和知识整合能力。无论是基于知识库的常见问题，还是需要联网搜索的动态信息，模型都能快速响应并生成符合预期的回答。

5. Java程序中集成API

通过腾讯云官方提供的Java版测试程序来进行测试，参考地址：对话端接口文档

5.1 获取secretId和secertKey

从腾讯云控制台获取到AKSK秘钥，一定好保存好生成的秘钥，不要丢失和泄露。

5.2 获取botAppkey机器人秘钥

我们通过之前的步骤成功搭建完成医疗顾问大模型，我们需要在应用管理->调用->API管理中获取到机器人秘钥

5.3 Java测试程序中配置秘钥

在官方提供的测试程序的Token.java文件中进行配置

5.4 问答测试

运行官方提供的测试程序（Main.java）

测试如下：

提问大模型：怎么治疗高血压？

大模型回答：

高血压的治疗需要综合生活方式调整和医学干预，具体方法如下：

一、生活方式调整（基础治疗）饮食控制 ：每日盐摄入量不超过5克，增加蔬菜、水果及低脂食品摄入，减少饱和脂肪和胆固醇16。
运动建议 ：每周至少150分钟中等强度运动（如快走、游泳），避免久坐19。
体重管理 ：BMI控制在24以下，男性腰围<90cm，女性<85cm6。
情绪调节 ：通过瑜伽、冥想等方式缓解压力，避免情绪剧烈波动1。

二、药物治疗（需医生指导）常用药物 ：利尿剂（如氢氯噻嗪）、β受体阻滞剂（如美托洛尔）、钙通道阻滞剂（如硝苯地平）等18。
用药原则 ：需遵医嘱调整剂量，不可自行换药或停药4。

三、特殊情况处理难治性高血压 ：可考虑肾神经消融术等新型疗法5。
合并症患者 ：如糖尿病或已有器官损害者需强化治疗7。

注意事项每日监测血压并记录，就诊时提供数据供医生参考4。

戒烟限酒，男性酒精每日<25克，女性<15克6。

非药物治疗3个月无效的一级高血压患者需启动药物治疗6。
重要提示 ：治疗方案需由医生根据个体情况制定，若血压持续≥140/90mmHg或出现头晕等症状，请及时就医48。最新治疗进展可参考权威医学平台（如国家心血管病中心）。

6. 结语

通过本次实战，我成功搭建了一个功能完备的医疗顾问大模型，它结合腾讯云LKE的知识整合能力和DeepSeek的生成实力，为医疗场景提供了智能化支持。该模型不仅能解答常见健康问题，还具备扩展潜力，例如集成到医院系统或健康管理App中。未来，我计划优化知识库内容，增加多语言支持，进一步提升其实用性。欢迎大家尝试搭建属于自己的医疗大模型，共同探索AI在医疗领域的无限可能！