手搓一个"症状-疾病概念图谱"：用 LLM Wiki + WorkBuddy + IMA 把健康知识拆成积木

项目状态：筹备中 | 核心定位：AI 结构化实验（非医疗建议） | 工具链：WorkBuddy + 腾讯文档 + IMA

一、 为什么想做这个？

起因很简单：网上的健康信息要么太碎片化，要么太吓人。

我不是医生，不想做"AI 看病"（那太危险了），我只想做一个"健康概念字典"——专门解释"是什么"和"为什么"，绝不碰"怎么治"。

我想验证一个技术假设：一本讲"症状"和"疾病"的教科书，能不能被拆成 AI 真正读得懂的结构化积木？

二、 核心思路：结构化数据（三表模型）

我不打算直接把 PDF 丢给 AI。我的方案是：先把书拆了，再喂给 AI。

核心逻辑只有三张表（用腾讯文档维护）：

1. 概念实体表 (

"Entity_Concept.csv")

存"东西"本身，赋予唯一 ID。

Concept_ID Std_Name Alias Category Definition_Source

C001 普通感冒 伤风、上呼吸道感染 疾病 《诊断学》临床表现

S001 发热 发烧、体温升高 症状 《生理学》

2. 属性字典表 (

"Dict_Attribute.csv")

定义关系的类型，去掉敏感词。

Attr_ID Attr_Name Description

A01 常见表现 教科书普遍记载的现象

A02 鉴别要点 区分不同概念的依据

A03 相关机制 解释为什么会发生

3. 关系链接表 (

"Link_Relation.csv")

这是图谱的灵魂。

Relation_ID Source_ID Target_ID Attr_ID Strength Evidence_Source

R001 C001 S001 A01 高频 《诊断学》P123

R002 C001 S002 A02 中频 《诊断学》P124

这样做的好处：AI 不再需要"猜"段落里的逻辑，它只需要检索

"R001" 这条记录，就知道"感冒"和"发热"的关系。

三、 工具链：从 PDF 到可对话知识库

这次不用"野路子"，用工程化的流水线。

1. WorkBuddy：充当"编译洗菜机"

教材 PDF 不能直接用，里面混杂了太多敏感信息（剂量、疗法）。

* 动作：用 WorkBuddy 读取 PDF。

* Prompt 策略：只提取"临床表现"和"鉴别诊断"章节。过滤掉一切治疗建议。

* 产出：干净的 CSV 数据 + 原始文本块。

2. LLM Wiki：把表格翻译成"人话"

CSV 机器爱读，人看着累。所以我需要一层 LLM Wiki 风格的包装。

* Frontmatter（机读）：给 AI 看的结构化数据。

* Body（人读）：给 AI 回答时用的自然叙述。

示例

"C001_普通感冒.md"：

---

id: C001

name: 普通感冒

icd10: J00

type: 疾病

related_symptoms:

- sid: S001; relation: 常见表现; strength: 高频

- sid: S002; relation: 常见表现; strength: 中频

---

正文：

普通感冒多由病毒引起，主要影响鼻咽部。根据《诊断学》记载，其典型表现包括鼻塞、流涕，发热通常为低热，较少出现全身肌肉剧痛。

3. IMA 知识库：最终消费端 + 防火墙

把 Wiki 页面和 CSV 丢进 IMA，建库名为

"[AI实验] 症状-疾病概念图谱（健康科普版）"。

必须设置的 System Prompt（防火墙）：

你是"症状-疾病概念图谱"的讲解员。

1. 严禁提供任何诊断、用药、治疗建议。

2. 若用户询问具体病情（如"我得了什么病"），必须回复："抱歉，我无法提供诊疗建议，请咨询执业医师。"

3. 每次回答末尾必须带上固定声明："免责声明：本内容为科普知识整理，不构成任何医疗建议。"

四、 实施计划（两周冲刺）

阶段 目标 交付物

Day 1-3 定义 Schema 敲定三表表头，写好

"AGENTS.md"（数据规范）。

Day 4-7 种子编译 用 WorkBuddy 处理"呼吸系统"章节，产出 5 个核心概念。

Day 8-10 Wiki 封装 把 CSV 转换成 Markdown 卡片，导入 IMA。

Day 11-14 逻辑验证 测试边界问题（如"我发烧了咋办"），确保 AI 严守人设。

五、 风险控制

1. 合规红线：库名带

"[AI实验]"，内容只讲机制，不讲疗法。

2. 数据准确性：数据源锁定《内科学》《诊断学》教材，不采信网络文章。

3. 预期管理：在库简介和每篇文章里，反复强调"这是 Demo，不是医生"。

六、 这个项目的通用价值

虽然现在做的是"症状-疾病"，但这套 WorkBuddy 编译 → LLM Wiki 封装 → IMA 消费 的链路，其实不挑领域：

* 运营：把"活动"和"转化因子"当实体，做"活动效果图谱"。

* 技术：把"技术方案"和"适用场景"当实体，做"技术选型库"。

* 自媒体：把"选题"和"爆款因子"当实体，做"选题灵感库"。

核心不变：把非结构化文档，拆成"实体+关系+属性"的三表结构。

免责声明：本项目为个人 AI 技术实验，数据源自公开教材，仅做概念解释，不构成任何医疗建议，身体不适请前往正规医疗机构就诊。

以上为AI生成，当项目PRD。