学习搭建 AI 易读的结构化数据库---三元单位细胞

以“疾病-症状”结构化数据库为例。

比如：怎么把“头痛、发热、咳嗽”这些零散的症状，和背后的疾病系统地关联起来，并且让AI能真正“读得懂”。

一开始，我以为这事儿很简单——弄个Excel，左边列疾病，右边列症状，完事儿。但越往后做越发现，数据组织的方式，决定了AI能理解到什么程度。

这篇文章不讲代码，不炫技术，就聊聊我摸索出来的思路和流程，希望能给同样想搭建AI好用的结构化数据库的朋友一些启发。

一、为什么不能把数据“堆”在一起？

很多人的第一反应是：把一堆文件丢给AI就行了。但现实是——乱堆的文件，AI读不懂、用不了、还容易出幻觉，等于白忙活。

比如你给AI塞一份几十页的医学教材PDF，让它回答“流鼻涕可能是什么病”，它大概率会回答得很模糊。为什么呢？因为AI在长文本里找到答案，和你在一堆文件里找东西是类似的——它需要结构化的指引。

我踩过这个坑。最初我把一些零散的医学书籍直接丢进知识库，结果AI的回答经常“跑偏”。

后来问了AI后我明白了一个道理：AI检索的最小单位，其实是“实体”，而不是整段文字。

什么是实体？就是一个个独立的概念——疾病名、症状名、药物名。AI要能精准理解，需要你把信息拆成：“什么疾病” → “有什么症状” → “关系有多强” 这样的结构。

这就像你整理衣柜——把衣服揉成一团扔进去，要找的时候得翻半天；但如果你把夏装、冬装、袜子、内衣分门别类放好，想找什么一眼就能看到（是不是有点像5S管理🤔）。

二、我选择了“三张表”的结构

在尝试了好几种方式后，我最终确定了一个极简但有效的模型：三张表（我称其为“三元单位细胞”）。

第一张：疾病实体表

这张表只存“疾病”本身的信息，每个疾病有一个唯一ID。

这里用ICD-10编码特别重要——它能帮你解决“同一个病不同叫法”的问题。比如“心肌梗死”和“心梗”是指同一个病，但AI如果只看文字，可能以为这是两个东西。有了标准编码，就能把它们归到一起。

第二张：症状实体表

这张表存所有症状，同样每个症状有唯一ID，而且最好加上同义词字段。

为什么要加同义词？因为不同的人描述同一症状可能用不同的词——有人说“发热”，有人说“发烧”，还有人说“体温升高”。如果你只存了“发热”，AI可能就识别不出“发烧”也是同一个意思。

第三张：疾病-症状关系表

这张表是最核心的，它记录了“什么疾病有什么症状”，以及这个症状对疾病有多“重要”。

这里的“关联概率”是关键——它告诉AI：“发热”对“感冒”来说可能是常见症状，但对“高血压”来说就不是。“头痛”这个症状可能对应好几类疾病，但概率不同，AI就能根据这个来判断哪个可能性更大。

若把这些数据组织好之后，上传到IMA知识库，用户直接提问就能得到比较准确的回答。比如问“发热伴头痛可能是什么病”，系统会优先返回概率高的疾病组合，而不是把所有沾边的都列出来。

三、我计划用到的工具和流程

工具选择

我没想用那些复杂的数据库软件，也没有打算写代码。整个过程中，我主要打算用：

- 腾讯文档：用来创建和编辑三张表，云端存储，方便随时修改

- IMA知识库：把整理好的数据上传到订阅知识库，用户可以直接搜索订阅并提问

- WorkBuddy：用来辅助处理数据、做一些批量清理和格式转换

- Excel：最基本的表格工具，在实际操作中反而最顺手

实际操作流程

第一步：先把概念理清楚

在动手填数据之前，我先想清楚了三件事：

- 我的数据库要回答什么问题？（用户查询症状→匹配疾病）

- 需要哪些核心信息？（疾病、症状、它们的关联强度）

- 怎么避免信息冗余？（用ID关联，而不是重复写名称）

这一步看起来简单，但想清楚了能省后面很多麻烦。

第二步：从最熟悉的领域开始

我没有一上来就想覆盖所有的疾病，而是先从“感冒”这种最常见的病开始：

- 列出感冒的10个典型症状

- 给每个症状标注“常见程度”和“关联概率”

- 再扩展到来去和发热相关的其他疾病（流感、支气管炎等）

这样一步步扩张，而不是一口吃成胖子。

第三步：给每个实体加上“身份标识”

每一条记录都要有唯一ID，这是让三张表能够关联起来的关键。疾病用标准化编码（如ICD-10），症状也需要有标准的名称和同义词。

第四步：在关系中标注“权重”

这是让AI能“理解”的关键步骤。不光是说“感冒有发热”，还要说明“这个关联的概率有多高”。我准备网上找些参考医学文献，按他们的研究方法，把关联强度分为“主要症状”“常见症状”“伴随症状”几个等级。

第五步：持续迭代优化

数据库做好之后，不是一次就完事了。在使用过程中，有些症状的关联概率很可能不太准确，或者漏了一些常见症状。这时候直接在腾讯文档里修改对应行，再重新上传到知识库就行。

四、关于搭建个人知识库（结构化数据库）的一些思考

做了这个结构化数据库项目了解之后，我最大的感受是：搭建个人数据库，从来不是复杂高深的事，本质是把看过、学过、经历过的一切，系统化梳理存储，（就如做好5S管理一样），实现随时调取。

我工作好多年，解决问题总不能依旧靠临时搜索、反复请教，根源就在于从未搭建过属于自己的知识体系（当然这个疾病症状数据库只是个案例）。学过的知识、积累的经验，转瞬即逝，毫无沉淀。

而真正拉开差距的，从来不是谁记得更多，而是谁能更快地调取、整合、应用知识（这就需要结构化的数据库）。

我的这套方法不只是适用于医疗数据，其实可以迁移到任何领域——比如做运营的可以搭“活动案例库”，做技术的可以搭“技术选型库”，做自媒体的可以搭“选题灵感库”。

核心流程都是相通的：

1. 拆解成实体：把你领域里的核心概念一个个列出来

2. 建立关系：理清楚这些概念之间是什么关系

3. 标注属性：给每个关系加上权重或级别

4. 持续迭代：使用中发现问题就及时优化

五、总结：标准化流程图

最后，我把整个流程总结成一套“结构化数据库搭建标准流程”，感兴趣的也可以参考试一下：

这套流程的核心思想是：先搭骨架，再填血肉，然后不断优化。不要想着一次性做到完美，从一个小的范围开始，验证可行了再扩展。

你认为这个“疾病症状”数据库搭建好后有没有价值，欢迎评论区说说。

如果你对搭建结构化数据库有什么问题，或者有更好的方法想交流，欢迎在评论区留言～