PawCare+：AI驱动的宠物健康智能指导系统

项目基本信息

• 原作者/维护者：Kiran7112
• 来源平台：GitHub
• 原始项目名称：PawCare---AI-Pet-Health-Guidance-System
• 原始链接：https://github.com/Kiran7112/PawCare---AI-Pet-Health-Guidance-System
• 发布时间：2026年6月13日

核心观点

PawCare+是结合机器学习预测与大语言模型专业知识的宠物健康指导系统，通过17项宠物档案数据提取、健康风险评估和护理能力分析，为宠物主人提供个性化健康管理方案。

现代宠物主人面临普遍困境：爱宠出现异常时网上建议千篇一律，咨询兽医费用高；多数在线资源无法根据宠物具体情况提供个性化指导，紧急情况下缺乏针对性预案。

PawCare+为解决此痛点而生，整合机器学习与大语言模型专业知识，构建同时评估宠物健康风险和主人护理能力的智能系统，让专业级指导触手可及。

PawCare+采用前后端分离架构：

前端层

基于React+TypeScript构建，Vite为构建工具，Tailwind CSS管理样式，提供响应式仪表盘与交互式可视化界面。

后端层

FastAPI作为REST API桥梁，Uvicorn提供异步处理能力。

智能编排层

核心是LangGraph构建的17节点状态机工作流，协调16个智能代理、2个机器学习模型及数据集成节点。

模型层

• 大语言模型：OpenAI GPT-4用于自然语言理解与生成
• 机器学习模型：scikit-learn训练的健康风险预测与护理能力评分模型
• 数据处理：pandas和numpy负责清洗与特征工程

工作流程从填写评估表单开始，收集17维度宠物档案信息（类型、品种、年龄等）：

输入验证

检查数据完整性与有效性，识别宠物类型。

路径分流

根据评估结果分流至三条路径：

• 危急护理路径（高风险，紧急指导+就医建议）
• 预防护理路径（中等风险，日常监测+预防措施）
• 健康维护路径（低风险，长期管理方案）

多维度指导

覆盖紧急应对、营养管理、行为训练等5+健康领域，提供AI生成的个性化建议。

案例：7岁超重拉布拉多犬出现口渴增加和嗜睡症状，系统路由至预防护理路径，健康风险39.1%（中等），主人护理能力62分。

评估结果通过四标签页呈现：

• 概览页：护理路径横幅+风险/能力仪表盘
• 健康指导页：个性化AI建议
• 详细分析页：宠物档案+机器学习指标
• 总结页：关键要点+行动清单

提供完整Docker容器化部署方案：

• 包含Python后端镜像与Node.js前端镜像
• nginx作为反向代理，处理静态资源与API转发

部署步骤：配置OpenAI API密钥后，执行docker compose up --build启动服务；前端访问localhost:8080，API文档查看localhost:8000/docs。

PawCare+弥合专业兽医知识与普通宠物主人的信息鸿沟，在不替代兽医诊断前提下，提供及时个性化健康参考。

该模式降低不必要就医成本，培养主人健康意识与预防护理能力，长远提升宠物生活质量与寿命。

1. ML与LLM有机结合：ML负责量化评估与分类，LLM承担深度理解与内容生成，兼顾客观性与个性化。
2. LangGraph工作流编排：将复杂流程分解为状态节点，逻辑易维护扩展，对多步骤决策AI应用具参考价值。