- 应用Nexent平台（可能和ModelEngine平台）结合部分数据和API设计AI AGENT，以达成医学与病理问答和辅助诊断功能。
- 本项目包含大量测试用文件。
- 程序执行主要语言为Python。
- 可采用其他方法进行调试或处理数据效果。
本帖笔主 bihongcui876/@wubolieng80594
- 病理知识问答的作用对象：医生与医学知识较为专业或专业学习者。
- 病理问答的作用功能方面：辅助医生了解病症病理原因、结合医生诊断进行病症病理辅助解析（可能会出错但需要方便地协助医生处理80%以上的问题）
- 所谓智能问答：中枢问答体--功能AGENT--信息知识库--联网搜索域--图文解析生成图文
- 预计使用模型：语言模型（GLM-4.5系列开放大模型（以Air为主的测试模型）/Qwen系列经微调模型）,向量模型（embedding models）（bge-m3），视觉模型（Qwen或GLM或GGLM系列模型），语言合成播报与语言识别（TTS&STT）（讯飞或火山）（较难）
- 项目处理口径：
- 以国标文件为标向之众多（RAG与否的）知识库
- 以功能为导向之Nexent设计模式的AGENT
- 以API数据集获取为导向之SSE方法的MCP服务器工具集
- 以医学类知识为导向之基础模型微调训练
- 用户问询病症信息时
- 依据API返回信息整理知识
- 合适时调用部分知识库
- 结合自身知识回答
- 此外，对病理问答的追问追答设计为：
- 病理持续分析
- 表征里征对应病理修订（比如系统性红斑狼疮怀疑，但是追问说明喉部表征为白色粒泡，诊断为水痘症；或里征为非典型里征，但仍然判定为该病症之类）
- 模糊性问答的功能设计为：
- 模糊性猜测型引导式回答（避免导致致命错误）
- 模糊性表层式基础性回答（基于数据作出分析）
- 病症中有关和检查报告单、诊断方的辅助审核或辅助诊断
- 依据现有数据作普遍性
- 依据开方信息作辅助信息检测
- 依据病历对开方合理性分析
- 病因：明确疾病的“源头”，即疾病由什么引起，如细菌感染、基因突变、长期吸烟、外伤等。
- 发病机制：解释病因如何“一步步导致疾病”，是疾病发生、发展的核心过程，比如病毒如何入侵细胞、免疫系统如何异常攻击自身组织。
- 病理变化：描述疾病导致的“身体结构改变”，包括组织细胞的形态、结构、功能异常，是病理诊断的核心依据（如肿瘤细胞的异型性）。
- 病理结局：说明疾病的“最终走向”，即可能的转归，如治愈、迁延不愈、并发症（如肺炎可能发展为肺脓肿）或后遗症（如中风后的肢体偏瘫）。
- 此外，有必要对其中各个部分的问答进行提示词说明功能分割。
- CPubMedAPI 基于C-Pub-Med的论文信息合集知识图谱，可以供给AI合理的
本团队在2025年10月25日暂时决定使用CPubMed知识图谱API集成有关MCP。 本团队在2025年11月11日确定成功应用和使用xxAPI（免费开源且项目属于测试，可合法使用）。
问答中枢：语言大模型AGENT----提示词控制功能
|
+--- 精准搜索知识库与图谱（RAG等方式）
|
+--- MCP服务器工具库
| |
| +--- 联网搜索
| |
| +--- API查找
|
+--- 模型问答数据库训练
- uv（不一定）
- Python（必须）
- 安装Inspector
npx @modelcontextprotocal/inspector- 安装依赖（对于uv项目）
uv init "mcp[cli]"- 如果下载时候需要传递参数，则需要通过以下下载
# 传递参数 arg1 arg2
npx @modelcontextprotocol/inspector build/index.js arg1 arg2
# 传递环境变量 KEY=value KEY2=$VALUE2
npx @modelcontextprotocol/inspector -e KEY=value -e KEY2=$VALUE2 node build/index.js
# 同时传递环境变量和参数
npx @modelcontextprotocol/inspector -e KEY=value -e KEY2=$VALUE2 node build/index.js arg1 arg2
# Use -- to separate inspector flags from serverDemo arguments
npx @modelcontextprotocol/inspector -e KEY=$VALUE -- node build/index.js -e serverDemo-flag- 调试
npx @modelcontextprotocol/inspector uvx mcp-serverDemo-fetch- 注意：Nexent只支持SSE方式，并且（tmd）示例为本机端口地址，但实际只能连接从公网或域名的端口。
本人认为，相比Nexent，Cherry Studio的特色更加友好，但部分功能也具有局限性。
请通过 https://github.com/ModelEngine-Group/nexent 网址对Nexent的GitHub仓库进行研究（当然恕我直言，好多地方烂的不行）
一般建议通过docker进行部署
见文件夹
即见文件夹src/xxAPIServer
- 推荐运行本帖笔主已经调试完毕的xxAPIServer.py，可以在本机配置完毕有关库后启动。
- 注意：请一定要改动主代码中uvicorn（本人放在代码后段）中的端口信息以适配运行端（host和post）！
if __name__ == "__main__":
uvicorn.run(app,host="localhost",port=....); #请在这里面改参数
- 有关库列表：
- fastmcp
- uvicorn
- mcp
- requests
- starlette
（其他，可以改进代码为非同步代码而是异步代码，当然这是基于大型代码的情况）
- asyncio
- urllib3
- httpx
- ... 直接安装代码（本地git拉取在IDE上面对MD文件操作）
pip install fastmcp uvicorn mcp requests starlette推荐运行xxAPIServer（记得改端口）
-
目前使用（2025年11月12日配）
- 本文档之中，localhost:9090对应的网址是：（http或https） https://58859ed.r38.cpolar.top
- 因端口侵占问题，已然调整端口到localhost:3090，对应的网址是： https://22757832.r38.cpolar.top
-
使用（2025年11月8日配）
- 本文档之中，localhost:9090对应的网址是：（http或https） https://2081f93c.r38.cpolar.top
- 因端口侵占问题，已然调整端口到localhost:3090，对应的网址是： https://3b58623f.r38.cpolar.top
-
使用（2025年11月7日配）
- 本文档之中，localhost:9090对应的网址是：（http或https） https://2081f93c.r38.cpolar.top
- localhost:3000对应的网址是： https://22d22915.r38.cpolar.top
知识库系在此文件之外另一个文档中存储。
其中参考的网页属于以下域名：
| 网址 | 署 |
|---|---|
| https://www.nhc.gov.cn/wjw/ | 卫健委 |
| https://www.yixue.com/ | 医学百科 |
| https://www.nhc.gov.cn/yzygj/ | 医政司 |
| https://yixue.com/%e5%8c%bb%e5%ad%a6%e7%94%b5%e5%ad%90%e4%b9%a6 | 医学电子书 |
此外这些知识库导入Nexent，使用开放大模型（智谱GLM）中的嵌入模型辅助做检索知识库（Embedding-3），以便实现有关功能。 （报销发票有关价格：人民币柒圓伍角，效果为：5000,0000 token，有效期2025年11月12日开始到2025年2月12日）
使用类似思想真正服务人民，做到一个真正有效的项目闭环。
- 使用工具：xxAPI所有工具
- Nexent本地工具
- 自带工具：本地数据库搜索 database_search
- 自带工具：读取文件（模拟病历读入） read_file
xxAPI服务工具。（6项，所有） Nexent本地服务工具。（使用文件服务、搜索服务（tavily_search）、知识库服务（怎么把知识库也黏到MCP来了））
一般的知识库分为几类文件：文字类、图文类、表格类。然而表格类里面对于AI最友好的就是json，jsonl，对于所有人最直观的就是xlsx（Excel），csv等。然而这个B平台不让导入json类，大肆宣扬文字类和图文类，结果效果最好的还是csv和Excel。
果然啊，所有平台都是名无切实呢。
合作：(暂时不写)