医疗AI助手开发：RAG架构在老年健康问答中的应用

1. 项目背景与核心目标

这个项目源于我们在软件工程创新实训课程中的一次技术探索。当时我们注意到，老年群体在获取专业医疗知识时面临诸多困难：复杂的医学术语、冗长的诊疗指南、碎片化的信息来源。而市面上大多数健康助手要么过于简单（仅提供通用建议），要么过于专业（直接复制医学文献）。

我们的核心目标是构建一个能真正解决这个痛点的AI助手：

• 专业可信：基于权威医学资料生成回答
• 通俗易懂：将专业内容转化为老年人能理解的语言
• 可追溯：每个回答都能找到出处
• 低门槛：最终要通过语音交互降低使用难度

选择便秘知识作为切入点有两个原因：一是老年便秘发生率高但容易被忽视，二是相关医学指南结构清晰适合做技术验证。

2. 技术架构设计解析

2.1 整体工作流程

系统采用经典的RAG（Retrieval-Augmented Generation）架构，但针对医疗场景做了特殊优化：

1. 文档预处理流水线：

   • PDF解析 → 文本清洗 → 智能分块 → 向量化 → 持久化存储
   • 特别处理了医学文献中的表格、图表注释等非连续文本

2. 查询处理流程：

   • 用户提问 → 向量检索 → 结果排序 → Prompt构建 → LLM生成 → 结果验证
   • 设计了双重过滤机制确保检索结果相关性

2.2 关键组件选型

文档解析器选型对比：