BiPharm-RAG：双超图检索增强的大语言模型中医药推理系统

BiPharm-RAG是针对中医药领域设计的检索增强大语言模型系统，核心创新为跨源双超图检索架构，融合大语言模型与中医药知识，实现从症状解析到方剂推荐的全流程智能诊疗推理，同时支持知识溯源确保建议有据可查。

传统中医药知识分散在古籍、医案等载体中，难以快速复用；大语言模型在中医药领域易出现"幻觉"问题。项目旨在结合LLM推理能力与中医药结构化知识，构建可信赖的智能诊疗系统。

采用两层超图结构：

1. 症状-证候超图：通过超边关联多症状与证候，捕捉辨证整体观；
2. 证候-方剂超图：连接证候、治法、方剂与药材，支持端到端推理； 跨源融合经典古籍、现代医案、药材数据库及证候标准，通过节点对齐实现知识整合。

1. 症状语义编码：理解同义表达、程度描述及隐含关联；
2. 超图检索：召回相关证候候选；
3. 证候筛选：综合匹配度、频率及上下文排序；
4. 方剂生成：基于证候检索经典方剂，生成个性化推荐；
5. 知识溯源：附权威文献依据便于审核。

• 超图卷积网络（HGCN）：捕捉中医药知识高阶关联；
• 对比学习：提升检索准确性；
• 多任务联合训练：同步优化症状编码、证候分类及方剂生成。

• 临床辅助：为医师提供快速检索与参考；
• 中医教育：模拟诊疗场景辅助学生练习；
• 古籍挖掘：发现隐性知识关联；
• 基层医疗：为全科医生提供中医药服务支持。

当前局限：依赖数据质量、个体化诊疗支持不足、需医师审核； 未来方向：优化数据覆盖、融入患者个体特征、遵循监管要求。