1. 项目背景与核心思路
去年夏天的一次朋友聚会上，我们边吃小龙虾边聊到中医养生话题。当时我就想：如果能结合当下最火的AI技术，开发一个中医技能应用，同时记录这个跨界创作过程作为自媒体内容，应该会很有意思。这就是"边剥龙虾边做中医技能"这个项目的由来——用轻松有趣的方式，把专业的中医知识通过AI技术呈现出来。
这个项目的核心价值在于：
- 内容创作：完整记录一个AI+中医应用的开发过程，适合想要学习AI应用开发的自媒体创作者
- 技术实践：演示如何将传统中医知识转化为数字化技能
- 运营示范：展示如何通过专业技术内容在社交平台建立个人品牌
2. 技术方案设计
2.1 整体架构设计
我选择了以下技术栈：
- 前端：微信小程序（用户触达面广）
- 后端：Python Flask（快速开发API）
- AI模型：基于中医典籍微调的BERT模型（处理专业文本）
- 数据库：MongoDB（灵活存储非结构化数据）
提示：选择微信小程序是因为中医内容的主要受众集中在30-50岁人群，这个年龄段微信使用率最高。
2.2 核心功能模块
| 功能模块 | 技术实现 | 中医专业知识应用 |
|---|---|---|
| 体质测试 | 决策树算法 | 根据《黄帝内经》体质分类 |
| 方剂推荐 | 文本相似度计算 | 匹配《伤寒论》经典方剂 |
| 穴位查询 | 知识图谱 | 基于《针灸大成》的穴位数据库 |
| 养生建议 | NLP文本生成 | 结合季节和体质生成建议 |
3. 开发实操过程
3.1 数据准备与处理
我从公开的中医典籍中提取了以下关键数据：
- 体质分类标准（9种基本体质）
- 300+经典方剂及其适应症
- 400+常用穴位信息
- 24节气养生要点
数据处理的关键步骤：
- 文本清洗：去除古籍中的注释和现代标点
- 实体标注：标记方剂名、穴位名等专业术语
- 关系构建：建立症状-方剂-体质的关联关系
3.2 AI模型训练
使用HuggingFace的BERT-base-chinese模型进行微调：
python复制from transformers import BertForSequenceClassification
model = BertForSequenceClassification.from_pretrained(
"bert-base-chinese",
num_labels=9 # 对应9种体质类型
)
# 训练代码...
训练参数设置：
- 学习率：2e-5
- Batch size：16
- Epochs：10
- 优化器：AdamW
4. 内容创作与运营
4.1 开发过程记录技巧
我在抖音/视频号上分享了这些内容：
- 开发花絮：调试AI模型时的有趣现象
- 中医知识：用现代语言解释经典理论
- 技术解析：如何用AI处理专业文本
- 用户反馈：早期测试用户的真实体验
4.2 起号运营策略
关键运营动作：
- 固定更新时间：每周三、五晚8点
- 内容矩阵：技术干货(40%)+中医知识(40%)+生活日常(20%)
- 互动设计：发起"AI诊断vs老中医"话题讨论
- 转化路径：免费测试→付费咨询→线下活动
5. 踩坑经验分享
5.1 技术层面的教训
- 中医术语处理：
- 错误做法：直接使用通用分词工具
- 正确方案：先构建中医专业词典
- 效果对比：准确率从62%提升到89%
- 模型解释性：
- 加入注意力可视化层
- 提供判断依据（如"因为您有X症状，所以判断为Y体质"）
5.2 内容运营的教训
- 平台选择：
- 初期错误：同时做5个平台
- 调整后：专注视频号+小红书
- 数据变化：单平台播放量增长300%
- 内容形式：
- 失败尝试：纯技术讲解
- 成功转型：技术+生活结合（如"编程时适合喝什么茶"）
6. 项目成果与扩展
上线3个月后的数据：
- 用户数：12,000+
- 平均使用时长：8分钟
- 内容账号粉丝：5W+
- 商业转化：3家中医馆合作
后续扩展方向：
- 加入舌诊图像识别
- 开发儿童体质评估模块
- 建立用户健康档案系统
这个项目给我的最大启示是：专业内容需要找到合适的表达方式。用AI技术包装中医知识，既保持了专业性，又增加了趣味性和传播性。在实际操作中，最重要的不是技术有多先进，而是能否真正解决用户的问题。