【Spring Boot + Vue + DeepSeek】从零打造一个AI驱动的智能健康分析系统

前言：随着大语言模型的爆发式发展，如何将AI能力落地到实际业务场景，是当前最热门的技术话题之一。本文将以一个完整的全栈项目，智能健康分析系统**为例，详细讲解如何用 Spring Boot + Vue + DeepSeek 构建一个集"体检报告AI解析、流式智能问诊、IoT设备接入、健康预警、医患协作"于一体的健康管理平台。

---

一、项目概述

1.1 项目背景

传统健康管理面临几个痛点：

• 体检报告数据专业性强，普通人难以解读
• 健康数据分散，缺乏统一的智能分析手段
• 医患沟通效率低，专家资源分配不均
• IoT健康设备数据无法与管理系统打通

AuraHealth 正是为了解决这些问题而设计------将 DeepSeek 大模型深度融入健康管理全流程，实现从数据采集 → AI分析 → 智能预警 → 医患协作 → 健康改进的完整闭环。

1.2 功能全景

核心功能	说明
AI智能健康顾问	SSE流式对话 + 多轮记忆 + 健康档案感知
体检报告AI解析	图片OCR / PDF提取 → DeepSeek结构化分析
健康Dashboard	多维评分 + 指标趋势图 + IoT实时监测
智能预警系统	自动比对参考范围 + 分级预警 + 通知推送
医患协作平台	医生专家反馈 + 患者追问 + 双向消息通知
AI健康计划	基于体检数据生成7天个性化运动/饮食方案
IoT设备管理	华为云IoTDA接入 + AMQP消息消费
Token钱包系统	双币种 + 消费流水审计 + 防滥用机制

---

二、技术架构

2.1 技术栈总览

后端

技术	用途
Spring Boot 2.5	核心框架
Spring Security + JWT	认证授权
MyBatis + PageHelper	ORM与分页
Redis	缓存 + Token存储
DeepSeek API	AI对话与报告分析
百度OCR API	图片文字识别
华为云IoTDA SDK	IoT设备管理
Apache POI / PDFBox	Excel导出 / PDF解析
OkHttp	HTTP客户端（调用外部API）

前端

技术	用途
Vue 2 + Element UI	前端框架与组件库
ECharts	图表可视化（健康趋势图）
markdown-it	AI回复Markdown渲染
Vuex + Vue Router	状态管理与路由
Axios	HTTP请求封装

部署

组件	说明
Docker Compose	容器化编排
Nginx	静态资源 + 反向代理 + WebSocket代理
MySQL 8.3	业务数据库
Redis	缓存层
MinIO	对象存储（报告文件）

2.2 整体架构图

                        ┌─────────────┐
                        │   Nginx     │
                        │  (80端口)    │
                        └──────┬──────┘
                         ┌─────┼─────┐
                         │     │     │
                   静态资源  /prod-api  /ws/
                   (Vue)   (反向代理) (WebSocket)
                         │           │
                  ┌──────┴──────┐    │
                  │ Spring Boot │◄───┘
                  │  (8080端口)  │
                  └──────┬──────┘
                  ┌──────┼──────┐
                  │      │      │
               MySQL   Redis  MinIO
              (3306)  (6379)  (9000)

    外部服务：
      ├── DeepSeek API  → AI对话 & 报告分析
      ├── 百度OCR API   → 图片文字识别
      └── 华为云IoTDA   → AMQP设备数据消费

2.3 模块划分

项目采用标准的 Maven 多模块架构：

AuraHealth (父POM)
├── aura-health-admin      → 启动入口模块
├── aura-health-framework  → 核心框架模块（安全、AOP、配置）
├── aura-health-system     → 系统管理模块（RBAC权限）
├── aura-health-common     → 通用工具模块
├── aura-health-business   → 核心业务模块（健康管理 + AI）
└── aura-health-ui         → Vue前端工程

---

三、核心功能详解

3.1 SSE流式AI对话（核心亮点）

这是整个项目最核心的功能------基于 DeepSeek 的流式健康问诊。用户提问后，AI的回答会像 ChatGPT 一样逐字实时输出，体验非常流畅。

技术选型 ：Spring Boot 的 SseEmitter + RestTemplate 流式读取

核心实现思路：

@PostMapping("/chat")
public SseEmitter chat(@RequestBody AiChatRequest request) {
    SseEmitter emitter = new SseEmitter(180000L); // 3分钟超时

    executorService.execute(() -> {
        try {
            // 1. 查询用户健康档案，注入到system prompt
            String systemPrompt = buildSystemPrompt(userId);
            
            // 2. 加载历史对话（多轮记忆）
            List<Message> messages = buildMessages(sessionId, systemPrompt);
            
            // 3. 调用DeepSeek流式API
            restTemplate.execute(uri, HttpMethod.POST, 
                requestCallback, response -> {
                    BufferedReader reader = new BufferedReader(
                        new InputStreamReader(response.getBody()));
                    String line;
                    while ((line = reader.readLine()) != null) {
                        if (line.startsWith("data: ")) {
                            String content = parseContent(line);
                            emitter.send(SseEmitter.event()
                                .data(content));
                        }
                    }
                    emitter.complete();
                    return null;
                });
        } catch (Exception e) {
            emitter.completeWithError(e);
        }
    });
    return emitter;
}

关键技术点：

1. 独立线程池 ：使用 CachedThreadPool 异步处理，不阻塞 Tomcat 工作线程
2. 多轮对话记忆 ：同一 sessionId 下的历史问答自动注入 messages 数组
3. 健康档案融合 ：自动查询用户的 bus_health_profile（身高/体重/病史/过敏史），注入到 system prompt，让AI能给出个性化的健康建议
4. 日期感知：在 prompt 中动态注入当前日期，修正AI的时间认知

3.2 体检报告AI智能解析

支持图片 和PDF两种格式的体检报告上传，通过AI自动提取结构化数据。

处理流水线：

图片上传 → MinIO存储 → 百度OCR文字提取 → DeepSeek分析 → 结构化JSON
PDF上传  → MinIO存储 → PDFBox文本提取  → DeepSeek分析 → 结构化JSON

AI解析的Prompt设计是关键，我们要求DeepSeek返回严格的JSON结构：

{
  "items": [
    {
      "itemName": "收缩压",
      "itemValue": "145",
      "unit": "mmHg",
      "referenceRange": "90-140",
      "isNormal": 1
    }
  ],
  "summary": "您的收缩压偏高，建议..."
}

其中 isNormal 字段：0=正常，1=偏高，2=偏低。

解析完成后，系统会自动触发预警检测 ------将每项指标与 bus_health_item 字典中的参考范围比对，异常项自动生成预警记录并推送通知。

3.3 健康评分与Dashboard

Dashboard 是用户的健康数据驾驶舱，核心是健康评分算法：

综合评分 = 体检指标评分 × 60% + 生活习惯评分 × 40%

Dashboard 提供以下维度的数据可视化：

• 综合健康评分：0-100分，带历史趋势折线图
• 体检指标趋势：近5次体检的单项指标变化曲线（ECharts）
• 生活习惯周报：7天平均睡眠时长、步数统计
• IoT实时监测：来自华为云设备的实时心率/血氧/血压数据
• 预警统计：近30天各类预警的数量统计

3.4 IoT物联网设备接入

项目集成了华为云IoTDA平台，通过 AMQP 协议消费设备上报的实时健康数据。

// AMQP消息消费者核心逻辑
@Component
public class IotAmqpConsumerService {
    
    @PostConstruct
    public void startConsumer() {
        // 建立与华为云IoTDA的AMQP连接
        ConnectionFactory factory = new ConnectionFactory();
        factory.setHost("iot-amqp.cn-east-3.myhuaweicloud.com");
        factory.setPort(5671);
        factory.useSslProtocol();
        
        // 消费设备上报数据并入库
        consumer.setMessageListener(message -> {
            IotDataDTO data = parseDeviceMessage(message);
            iotDataService.save(data);
        });
    }
}

支持的设备数据类型包括：心率、血氧、血压、体温、步数、睡眠时长、饮水量等。

3.5 智能预警与医患协作

这是项目中业务闭环最完整的一条链路：

体检报告AI解析 
  → 自动比对参考范围 
  → 生成预警（低/中/高三级）
  → 推送系统通知
  → 医生查看预警并提交专家反馈
  → 患者收到反馈通知
  → 患者可追问，医生收到回复通知
  → 形成医患双向沟通闭环

预警等级分为三级：

• 低风险（1级）：指标轻微偏离，建议关注
• 中风险（2级）：指标明显异常，建议复查
• 高风险（3级）：指标严重超标，建议立即就医

3.6 Token钱包系统

为了合理管控AI服务的使用成本，项目设计了一套完整的Token经济系统：

功能	说明
双币种	Token余额（用于AI对话）+ 账户余额（元）
注册赠送	新用户自动赠送 50万 Tokens
消费场景	AI对话消耗Token + 健康计划生成消耗Token
充值方式	Token直充 / 余额充值 / 余额兑换Token
防滥用	演示模式软上限（50万Token）+ 永久硬上限（500万Token）
流水审计	每笔交易记录完整的 wallet_transaction 流水

---

四、安全架构设计

4.1 认证授权流程

用户登录 → BCrypt密码验证 → JWT Token生成 → Redis存储
           ↓
每次请求 → JwtAuthenticationFilter → Redis验证Token有效性
           ↓
权限校验 → @PreAuthorize("@ss.hasPermi('xxx')") → RBAC鉴权

4.2 三角色RBAC权限模型

角色	权限范围
admin（管理员）	全部功能：系统管理 + 健康管理 + 设备管理 + 诊断管理
common（普通用户）	健康中心 + 体检报告 + AI顾问 + 健康计划 + 设备管理
doctor（医生）	诊断管理 + 健康预警 + 专家反馈

4.3 安全防护措施

• 无状态认证 ：SessionCreationPolicy.STATELESS + JWT
• 密码加密：BCryptPasswordEncoder
• 数据归属校验 ：各Controller中强制校验 userId 归属，防止越权访问
• 防重复提交 ：RepeatSubmitInterceptor 拦截器
• 操作审计 ：@Log 注解 + AOP切面自动记录操作日志
• 数据权限 ：DataScopeAspect 实现行级数据权限控制

---

五、数据库设计

项目共17张核心业务表，以下列举关键表结构：

-- AI咨询记录表
CREATE TABLE bus_ai_consultation (
    id BIGINT PRIMARY KEY,
    user_id BIGINT,
    session_id VARCHAR(64),     -- 会话ID（多轮对话）
    question TEXT,               -- 用户问题
    answer TEXT,                 -- AI回答
    tokens_used INT,            -- 本次消耗Token数
    create_time DATETIME
);

-- 用户钱包表
CREATE TABLE bus_user_wallet (
    id BIGINT PRIMARY KEY,
    user_id BIGINT UNIQUE,
    token_balance BIGINT,       -- Token余额
    account_balance DECIMAL(10,2), -- 账户余额（元）
    total_tokens_used BIGINT    -- 累计消耗
);

-- 体检报告主表
CREATE TABLE bus_physical_report (
    id BIGINT PRIMARY KEY,
    user_id BIGINT,
    report_url VARCHAR(500),    -- MinIO文件地址
    ai_status TINYINT,          -- 0待解析/1解析中/2已完成
    ai_summary TEXT,            -- AI分析总结
    create_time DATETIME
);

-- 健康预警表
CREATE TABLE bus_health_alert (
    id BIGINT PRIMARY KEY,
    user_id BIGINT,
    item_code VARCHAR(32),      -- 指标编码
    current_value VARCHAR(32),  -- 当前值
    alert_level TINYINT,        -- 1低/2中/3高
    status TINYINT,             -- 0未读/1已读/2已处理
    create_time DATETIME
);

---

六、部署方案

项目使用 Docker Compose 一键编排部署：

version: '3.8'
services:
  aura-health:
    image: eclipse-temurin:11-jre-alpine
    ports:
      - "8080:8080"
    environment:
      - SPRING_DATASOURCE_URL=jdbc:mysql://mysql:3306/health_intelligence
      - SPRING_REDIS_HOST=redis
    depends_on:
      - mysql
      - redis

  nginx:
    image: nginx:alpine
    ports:
      - "80:80"
    volumes:
      - ./dist:/usr/share/nginx/html
      - ./nginx.conf:/etc/nginx/nginx.conf

  mysql:
    image: mysql:8.3
    ports:
      - "3306:3306"
    environment:
      - MYSQL_DATABASE=health_intelligence

  redis:
    image: redis:7-alpine
    ports:
      - "6379:6379"

Nginx 同时承担前端静态资源服务、后端API反向代理和WebSocket代理三重职责。

---

七、项目截图

适用场景

• 健康管理平台 / 互联网医疗系统
• 体检机构信息化管理
• 社区健康服务中心
• 企业员工健康管理
• 课程设计参考

---

获取源码

T841723389

💡 可提供：完整前后端源码 + SQL脚本 + 部署文档 + 技术答疑

---

如果这篇文章对你有帮助，欢迎点赞👍、收藏⭐、关注🔔三连支持！