需求与用例：如何为医院创建一个陪诊数字人

需求：
1、角色扮演：基于open ai制作一个x星球医院的导诊数字人，取名陪诊问问，该角色以一个资深护士的知识，用5星级酒店的服务态度与患者交流，处理患者的日常健康咨询、就医导诊、陪诊推介、义工服务等。
2、数字人训练与知识库建立（文本库的形式）：将X星球医院的全部信息，包括10个医技科室信息、80个医生的信息，医生信息包括毕业院校、擅长、优秀医案内容以文本库的形式建立一个知识库，供数字人学习、引用。让陪诊问问在就医导诊的时候，可以精准的推荐科室与医生，方便患者快速回复。
3、其它要求：不用到微调模型，知识库内容预计超过2万个汉字，消耗约3万个token

用例：

### 1. 知识库建立

创建文本库，包含以下内容：

1. X星球医院的基本信息，包括地址、联系方式、科室、医生等。

2. 10个医技科室的详细信息，如科室特点、主治病种、诊疗项目等。

3. 80个医生的详细信息，包括毕业院校、擅长领域、优秀医案等。

知识库构建步骤：

1. 收集X星球医院的基本信息，整理成文本。

2. 收集10个医技科室的详细信息，整理成文本。

3. 收集80个医生的详细信息，整理成文本。

4. 将以上文本整合为一个知识库，供陪诊问问学习和引用。

### 2. 数字人训练与知识库学习

1. 使用OpenAI GPT-4模型进行训练，无需微调。

2. 将知识库内容作为训练数据，让陪诊问问学习并理解其中的信息。

3. 训练陪诊问问以5星级酒店的服务态度与患者交流。

知识库的建立主要可以采取以下几个步骤:

• 信息收集:从X星球医院收集相关的文本信息,包括医疗科室介绍、医生信息等。这些信息可以从官网、宣传册、医院提供的开放数据中获得。
  
• 信息整理:对收集的信息进行整理,删除无关信息,保留与患者询问密切相关的信息。对信息进行分类,例如将医疗科室信息和医生信息分开整理。
  
• 信息归纳:在信息整理的基础上,对信息进行进一步的归纳总结。例如,针对每个医疗科室,归纳出该科室的主要功能、主治疾病、联系方式等关键信息。针对每个医生,归纳出毕业院校、专业方向、擅长技能、代表医案等信息。
  
• 信息转化为文本:将归纳后的信息转化为连续的文本内容,每段文本对应一个医疗科室或一个医生的信息。所有的段落文本汇总起来,即构成知识库的内容。
  
• 信息托管:将构建好的知识库内容以文本文件的形式进行托管。模型在训练过程中读取这些文本文件,学习知识库的内容。在与患者交互时,也是通过读取这些文本文件中的信息进行回答。
  
  

以上是知识库建立的主要步骤。关键是信息的整理和归纳,使知识库中的信息与模型的医疗问答功能高度匹配,方便模型在交互中准确引用相关信息。