核心技术创新点
GraphRAG 诊断知识图谱增强
系统并不把知识图谱当成单独的检索主链路，而是把它作为“先验知识层”和“证据解释层”嵌入传统 RAG 的问答流程中：先由向量检索召回病例、药方、症状和证型片段，再通过图谱实体对齐、关系扩展和社区摘要，把零散证据组织成更完整的诊疗上下文。
在展示层面，右侧知识图谱会把疾病、证型、方剂、中药和症状之间的关系直观地画出来，同时保留节点摘要、边关系、证据来源和路径高亮，让评委不仅看到“答案是什么”，还能看到“答案为什么这样生成”。
这种设计的核心价值在于：既保留了传统 RAG 的稳定性和轻量部署优势，又通过图谱增强让模型在复杂中医问诊里具备更强的结构化推理能力、证据追踪能力和抗幻觉能力。
四类术语抗幻觉校验
系统从模型回答或诊疗文档中提取疾病、证型、方剂和中药四类实体，逐项对照项目内置的标准术语库，区分“标准命中、部分匹配、需要复核”，避免把知识库未覆盖直接等同于医学事实错误。
校验层还处理别名归一、炮制药名称和复合方剂拆分等中医文本中的真实边界情况。问诊端显示校验结论与置信度；独立质控台则仅允许管理员或审核员登录，用于复核完整诊疗文档。
这套设计把生成与验证分开：普通用户无需登录即可问诊，质控权限只保护管理流程，不干扰公开演示和正常对话。
结构化诊疗与证据闭环
问诊不是一次性生成长文本：系统先识别咨询意图和急症风险，再通过分阶段问诊补齐关键信息，最终输出结构化诊断、辨证依据、方药建议、注意事项、备选方案与置信度。
每份报告同时保留原始病例引用、知识图谱子图和诊断思维导图。用户可以从结论回看证据来源与推理关系，而不是只接受一个无法解释的答案。
系统核心优势
分阶段智能问诊
先区分诊疗咨询、报告追问和急症风险，再按信息完整度补问或生成报告，避免每一句输入都被误判为完整诊断请求。
原文引用保真
引用保留病例编号、段落与换行，不把多条病例挤成一段，便于对照回答中的诊断依据。
结构化诊断报告
疾病、证型、依据、方剂、中药、加减、注意事项、置信度和备选方案采用稳定字段输出，便于展示与后续复核。
四类术语校验
疾病、证型、方剂和中药分别验证，完整展示通过项、部分匹配与待复核项，降低中医别名造成的误报。
双层可视化解释
知识图谱展示实体关系和证据路径，诊断思维导图展示单次报告的层级结构，两者承担不同解释任务。
质控权限隔离
公开问诊不设登录门槛；只有抗幻觉质控台需要管理员或审核员身份，避免把管理权限强加给普通用户。
系统演示
杏林慧诊 AI诊疗助手
基于图谱增强 RAG 的中医智能诊疗系统
体验杏林慧诊图谱增强RAG诊疗系统
这是一个基于图谱增强的 RAG 中医智能诊疗系统，核心思路是用传统 RAG 负责主回答，再用知识图谱补足证据、关系和解释。
系统先召回病例与知识片段，再把疾病、证型、症状、方剂和中药串联成可追踪的诊疗建议，让答案、依据和路径能够同时被看到。
技术创新亮点
- 图谱先验注入：图谱不替代 RAG，而是补充结构化先验。
- 证据链闭环：关键结论可追踪到片段、节点和路径。
- 主辅链路分工：RAG 负责回答，图谱负责关系与解释。
- 抗幻觉约束：对疾病、证型、方药做一致性校验。
- 一体化部署：前端、API 与知识资产使用同一版本。
左侧演示展示了知识图谱与大模型协同工作的完整流程，从自然语言理解、RAG 检索、图谱证据增强，到结构化诊疗建议输出，再到右侧图谱可视化解释，形成一条完整的“输入 - 推理 - 证据 - 展示”路径。相比传统问答，这种方式更适合中医场景里对依据、条理和可追溯性的要求。