VetCopilot

一款面向兽医学生、执业医师及宠物主的智能问答系统。结合本地专业兽医知识库与互联网实时搜索，提供临床诊断辅助、知识检索、图像识别于一体的 AI 服务。

在线体验 ·

全栈开发 · 2025.01 - 进行中 · 客户项目

项目简介

VetCopilot 是一款基于大语言模型技术的智能兽医问答助手，专为兽医学生、执业医师和宠物主设计。系统采用 RAG（检索增强生成）架构，结合本地专业兽医知识库与联网实时搜索，能够提供精准的临床诊断建议、专业知识检索和视觉识别诊断服务，同时确保医疗合规性和风险控制。

核心亮点

• 混合检索策略 (RAG): 优先使用本地向量数据库（教材、药典、指南），辅以联网搜索 API 获取最新资讯和病例报告，确保回答既权威又及时
• 意图识别与自适应: 智能检测用户专业程度，自动切换专业模式（病理机制、鉴别诊断）和科普模式（通俗解释、紧急程度评估）
• 视觉识别诊断: 集成 GLM-4.7-Flash Vision，支持患处照片、化验单上传分析，并强制附带风险提示
• 引用标注系统: 回答内容标注来源 [1]、[2]，点击可查看具体文献出处或网页链接，增强可信度
• 特性驱动架构: 前端采用 Feature-First 架构，模块化设计便于扩展；后端采用分层架构，API/Service/Model/DB 四层分离
• 完整容器化部署: 提供 Docker Compose 一键部署方案，支持开发/生产环境配置分离

挑战

1. 医疗领域的精准性与合规性

• 兽医诊断需要极高的专业性和准确性
• 必须区分专业用户（兽医/学生）和普通用户（宠物主）
• AI 生成内容需要医疗免责声明和风险控制

2. 知识库的实时性与权威性

• 兽医知识更新快速，需要获取最新资讯
• 本地知识库可能过时，纯联网搜索可能不够权威
• 需要平衡时效性和专业性

3. 多模态输入处理

• 支持文本问答和图片诊断两种模式
• 图片分析需要快速响应和准确解读
• 文件上传、解析、向量化流程复杂

解决方案

1. 意图识别与自适应输出

• 实现智能用户意图检测，自动识别专业术语和口语描述
• 专业模式输出病理机制、鉴别诊断、治疗方案
• 科普模式输出通俗解释并附带紧急程度评估
• 强制医疗免责声明：”AI生成内容可能存在错误，不可作为处方依据”

2. 混合检索架构 (RAG)

• 本地向量数据库存储教材、药典、指南等权威资料（pgvector 扩展）
• 联网搜索 API 补充最新资讯和病例报告
• 优先级策略：本地知识库优先，联网搜索补充
• 引用标注系统确保来源可追溯

3. 完整的技术栈与架构

• 前端: Next.js 16 + TypeScript + Tailwind CSS + Zustand
• 后端: FastAPI + Python 3.12 + SQLAlchemy
• 数据库: PostgreSQL 16 + pgvector 向量扩展
• AI: GLM-4 大语言模型 + GLM-4V 视觉模型
• 部署: Docker Compose 容器化，支持一键部署