1
中医药教学长期以教材查阅、单味药记忆为主，学生难以直观理解“多味药组合如何形成功效谱、又如何关联症状方向与证候知识”。同时，岐黄学院数智化创研课题鼓励将知识图谱、可视化交互与大模型用于中医药文化传播与科研训练，而非替代临床诊疗。本项目面向中医药院校学生、传统文化爱好者及课题演示场景，解决“静态查药难、组合变化难感知、知识路径难串联”的学习痛点。产品定位为中医辨证学习沙盘与方药配伍关系演示平台，明确不做问诊、诊断、处方推荐或用药建议，仅用于文化学习与科研训练，并全程保留合规免责声明。
项目核心为“本草养生工坊”动态工作台：用户从 12 味样例中药库中搜索、筛选并放入 5 个槽位，系统实时聚合功效标签，计算可解释的覆盖分数，并以雷达图、条形图展示功效谱轮廓与变化日志。支持输入或点选症状关键词，展示“中药→功效→症状→证候→方剂→综合疗法”的关联路径卡片与 SVG 关系网络，节点区分已人工校对/待人工校对状态。另含配伍慎用提示、食养运动文化线索（代茶饮、起居调护等，仅作学习线索）、药柜弹窗与移动端迷你工坊栏。右下角 AI 学习导览助手基于当前组合生成“当前重点/食养运动线索/继续了解”短卡片式回答，API 不可用时自动降级本地导览；页面不提供临床决策能力。
本人负责产品方案、前端交互与知识计算逻辑实现。技术栈为纯静态前端（HTML/CSS/原生 JavaScript），无 React/Vue 依赖；data.js 维护样例知识图谱，compute.js 承担功效谱聚合、路径遍历与本地导览，app.js 负责状态管理、Canvas 雷达图、SVG 网络图及 AI 助手请求。后端采用 Django 代理 /api/learning-guide 调用 DeepSeek，API Key 仅存服务端；前端通过 CORS 白名单与 Prompt 边界文档约束输出，并对高风险措辞做边界复核提示。配套 self-check.js 数据自检、Firecrawl 候选采集管线与 Netlify 静态部署。难点在于计算与 UI 解耦、组合变化实时联动，以及在学习导览能力与医疗合规边界之间取得平衡。
评论