AI问诊网站设计方案

千江明月

424人浏览 · 2026-03-10 23:08:04

千江明月 · 2026-03-10 23:08:04 发布

   要求写一个AI问诊网站的详细方案，包括UML建模、项目文件结构、以及完整源代码。并用Markdown和Mermaid来建立文档。需要前后端分离：前端用HTML/CSS/JS，后端用Python，调用“火山引擎”的DeepSeek。但火山引擎有提供DeepSeek模型的API吗？是的，火山引擎的方舟平台提供了DeepSeek模型的API。所以将使用火山引擎DeepSeek API。

需要实现的功能：用户在前端填写表单（问诊信息），提交给后端，后端调用AI进行多轮回答（可能意味着与AI进行多轮对话以收集信息，然后生成诊断报告？），最后给出固定格式的报告打印。

用户只需要简单进行项目选择填写。这意味着前端可能是简单的表单，包含一些病症描述、症状选择等。

要提供完整的项目搭建过程，包括云服务器部署。但源代码部分，需要提供前端的HTML、CSS、JavaScript文件，后端的Python文件（如Flask或FastAPI）。并说明如何部署。

需求中要求用UML建模，并用Mermaid画出。可以在文档中嵌入Mermaid图，如用例图、类图（如果是后端的话，但后端主要是API调用，可能没有复杂的类）、时序图（展示前后端交互以及调用AI的过程）、部署图等。

项目结构组织：建议如下：


ai_consultation/
├── backend/
│   ├── app.py                # Flask/FastAPI主应用
│   ├── requirements.txt      # Python依赖
│   ├── config.py             # 配置（API密钥等）
│   └── ...
├── frontend/
│   ├── index.html            # 主页面
│   ├── css/
│   │   └── style.css
│   ├── js/
│   │   └── script.js
│   └── ...
└── README.md                 # 项目说明

后端需要调用火山引擎DeepSeek API。需要注册火山引擎账号，获取API密钥和模型Endpoint。在config.py中配置。

前端表单需要包含什么？既然是问诊，需要年龄、性别、主诉、症状描述、持续时间、既往病史等。也可以提供一些选项让用户选择，比如症状列表（头痛、发烧等），用户要求“只需要简单进行项目选择填写”，所以可以用下拉框、单选框、复选框等简化输入。

后端接收到表单数据后，需要构造一个提示词给AI，模拟医生问诊的多轮对话。但真正的多轮对话需要维护状态。可以简化：后端根据用户提交的信息，构造一个初始消息给AI，然后AI可能会返回一些追问，后端再根据用户的回答（但用户只提交了一次表单，没有多轮交互）？这可能不符合“多轮回答”的要求。或许需要前端与AI进行多轮对话，但用户描述是“用户在前端应用程序中填写，填完之后发送给后端应用程序，后端调用AI进行多轮回答”。这可能意味着用户一次性填写所有信息，然后后端模拟AI进行多轮问答来生成诊断？或者后端调用AI进行多次交互，但用户已经提供了所有信息，所以后端可以模拟多轮对话（比如让AI扮演医生，根据用户提供的信息进行问诊，然后输出一段对话和诊断）。我们可以这样做：后端构造一个提示，让AI以医生的身份，根据用户提供的症状信息，进行多轮问诊（模拟问答），并最终给出诊断建议和报告。然后后端将AI生成的报告返回给前端。前端可以显示报告并提供打印功能。

或者更简单的：后端将用户信息发给AI，要求AI生成诊断报告，并返回固定格式的报告。这样就不需要多轮了。但题目明确要求“多轮回答”，所以尽量体现多轮。

可以这样设计：用户填写基本信息后，后端与AI进行多轮对话，模拟医生逐步提问和患者回答的过程。但患者的所有信息已经提供，所以需要设计一个对话生成方式：让AI基于已有信息，生成一系列问答对，最终生成诊断。但这样不是真正的交互，而是模拟多轮。用户期望的是真正的多轮对话，但那样需要前端与后端多次交互，比较复杂。考虑到“实现简单”和“用户只需要简单进行项目选择填写”，倾向于一次性填写，后端模拟多轮对话生成报告。

为了满足“多轮回答”，可以让后端构造一个提示，要求AI模拟多轮问诊过程，并输出一个包含多轮对话和最终诊断的报告。这样在报告中会包含多个问答回合。

报告格式可以是文本，也可以是结构化的JSON，然后前端显示。打印功能可以通过浏览器的window.print实现。

所以整体流程：

用户在前端填写表单（姓名、年龄、性别、症状描述、持续时间、既往病史等）。
点击提交，前端通过AJAX POST请求将数据发送到后端API（如/consult）。
后端接收数据，调用火山引擎DeepSeek API，构造提示词，获取AI生成的报告。
后端解析AI返回的内容，返回给前端。
前端显示报告，并提供“打印报告”按钮，调用window.print。

需要确保AI返回的内容格式固定。可以通过提示词要求AI以特定格式输出，例如包含“【问诊过程】”和“【诊断建议】”等部分。

后端使用Flask或FastAPI。选择Flask因为简单。

现在开始写详细方案文档，包括UML图，然后提供源代码。

注意：要求“用UML建模并提供具体详尽深入的方案，用Markdown，mermind建立文档”。所以要在Markdown中嵌入Mermaid代码块，渲染UML图。

可以在文档中包括：

用例图：展示用户与系统的交互。
类图：后端可能用到的类（如Config、AIService等），但可以简单。
时序图：展示用户前端操作、后端、API之间的交互。
部署图：展示云服务器部署架构。

然后提供项目结构说明。

源代码部分：提供完整的文件内容。

最后，说明如何部署到云服务器。

需要确保使用火山引擎API的细节。因为这里没有实际的API密钥，所以代码中需要用户自行配置。在代码中会留出位置。

现在开始撰写回答。

AI问诊网站：详细设计方案与实现

1. 项目概述

本项目是一个基于Web的AI问诊系统，用户在前端填写基本信息（症状、病史等），后端调用火山引擎DeepSeek API进行多轮模拟问诊，生成结构化报告并支持打印。项目采用前后端分离架构，前端使用HTML/CSS/JavaScript，后端使用Python（Flask框架），部署于云服务器。

2. 功能需求

前端：提供表单供用户输入个人信息和症状描述，提交后显示AI生成的问诊报告，并支持报告打印。
后端：接收前端数据，构造提示词调用DeepSeek API，返回固定格式的报告。
AI集成：利用火山引擎DeepSeek模型进行多轮问答模拟，生成诊断建议。

3. 技术选型

前端：HTML5、CSS3、JavaScript（原生，无框架）
后端：Python 3.8+、Flask、Requests库
AI服务：火山引擎DeepSeek API（需注册获取Access Key和Endpoint）
部署：云服务器（如阿里云、腾讯云），Ubuntu 20.04，Nginx + Gunicorn

4. UML建模

4.1 用例图

4.2 类图（后端简化）

4.3 时序图

4.4 部署图

 渲染错误: Mermaid 渲染失败: Parse error on line 7: ...r(用户浏览器) --> Nginx: HTTP/HTTPS Flask -----------------------^ Expecting 'SEMI', 'NEWLINE', 'EOF', 'AMP', 'START_LINK', 'LINK', 'LINK_ID', got 'NODE_STRING'

5. 项目文件结构

ai_consultation/
├── backend/
│   ├── app.py                # Flask主程序
│   ├── config.py             # 配置文件（API密钥等）
│   ├── ai_service.py          # AI调用封装
│   ├── requirements.txt       # 依赖列表
│   └── utils.py               # 辅助函数（如报告解析）
├── frontend/
│   ├── index.html             # 主页面
│   ├── css/
│   │   └── style.css          # 样式表
│   ├── js/
│   │   └── script.js          # 前端交互逻辑
│   └── assets/                # 静态资源（如图标）
├── README.md                   # 项目说明
└── deploy/                     # 部署相关配置（可选）
    └── nginx.conf

6. 详细实现

6.1 后端实现

6.1.1 `config.py`

import os

class Config:
    # 火山引擎API配置（请替换为实际值）
    API_KEY = "your-volcano-api-key"
    API_URL = "https://ark.cn-beijing.volces.com/api/v3/chat/completions"  # 示例地址
    MODEL = "deepseek-r1"  # 模型名称，根据火山引擎实际命名
    TIMEOUT = 60

6.1.2 `ai_service.py`

import requests
import json
from config import Config

class AIService:
    @staticmethod
    def generate_report(user_data):
        """
        调用DeepSeek API生成问诊报告
        :param user_data: 前端提交的字典，包含姓名、年龄、性别、症状描述等
        :return: 生成的报告文本
        """
        prompt = AIService._build_prompt(user_data)
        response_text = AIService._call_api(prompt)
        return AIService._format_report(response_text)

    @staticmethod
    def _build_prompt(data):
        """
        构造提示词，要求AI模拟多轮问诊并输出报告
        """
        name = data.get('name', '患者')
        age = data.get('age', '未知')
        gender = data.get('gender', '未知')
        symptoms = data.get('symptoms', '未描述')
        duration = data.get('duration', '未知')
        history = data.get('history', '无')
        additional = data.get('additional', '')

        prompt = f"""你是一位经验丰富的全科医生，请根据以下患者信息进行多轮问诊模拟，并最终给出诊断建议和报告。
要求：
1. 模拟至少三轮问答（医生提问和患者回答），基于已有信息合理展开。
2. 最后输出【诊断建议】部分，包括可能的疾病、进一步检查建议和初步处理意见。
3. 输出格式清晰，包含【问诊过程】和【诊断建议】两个主要部分。

患者信息：
姓名：{name}
年龄：{age}
性别：{gender}
主诉症状：{symptoms}
症状持续时间：{duration}
既往病史：{history}
其他补充：{additional}

请开始模拟问诊："""
        return prompt

    @staticmethod
    def _call_api(prompt):
        """
        发送请求到火山引擎DeepSeek API
        """
        headers = {
            "Authorization": f"Bearer {Config.API_KEY}",
            "Content-Type": "application/json"
        }
        payload = {
            "model": Config.MODEL,
            "messages": [
                {"role": "system", "content": "你是一位专业、耐心的医生。"},
                {"role": "user", "content": prompt}
            ],
            "temperature": 0.7,
            "max_tokens": 2000
        }
        try:
            response = requests.post(
                Config.API_URL,
                headers=headers,
                json=payload,
                timeout=Config.TIMEOUT
            )
            response.raise_for_status()
            result = response.json()
            # 假设返回格式为 { "choices": [ { "message": { "content": "..." } } ] }
            return result['choices'][0]['message']['content']
        except Exception as e:
            return f"AI调用失败: {str(e)}"

    @staticmethod
    def _format_report(raw_text):
        """
        对AI返回文本进行后处理（如需结构化可在此扩展）
        目前直接返回原始文本，但可确保包含必要的标题
        """
        # 确保报告包含预期格式
        if "【问诊过程】" not in raw_text and "【诊断建议】" not in raw_text:
            raw_text = "【问诊过程】\n" + raw_text + "\n\n【诊断建议】\n（AI未能按格式生成）"
        return raw_text

6.1.3 `app.py`

from flask import Flask, request, jsonify
from flask_cors import CORS  # 处理跨域
from ai_service import AIService

app = Flask(__name__)
CORS(app)  # 允许所有跨域请求，生产环境应限制

@app.route('/consult', methods=['POST'])
def consult():
    """
    接收前端表单数据，调用AI生成报告，返回JSON
    """
    try:
        data = request.get_json()
        if not data:
            return jsonify({'error': '无效的请求数据'}), 400

        # 调用AI服务
        report = AIService.generate_report(data)
        return jsonify({'success': True, 'report': report})
    except Exception as e:
        return jsonify({'error': str(e)}), 500

@app.route('/health', methods=['GET'])
def health():
    return jsonify({'status': 'ok'})

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=True)  # debug模式仅开发使用

6.1.4 `requirements.txt`

Flask==2.3.3
flask-cors==4.0.0
requests==2.31.0
gunicorn==21.2.0  # 生产环境用

6.2 前端实现

6.2.1 `index.html`

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>AI问诊助手</title>
    <link rel="stylesheet" href="css/style.css">
</head>
<body>
    <div class="container">
        <header>
            <h1>智能问诊系统</h1>
            <p>请填写以下信息，AI将为您模拟多轮问诊并生成报告</p>
        </header>
        <main>
            <form id="consultForm">
                <div class="form-group">
                    <label for="name">姓名：</label>
                    <input type="text" id="name" name="name" required>
                </div>
                <div class="form-row">
                    <div class="form-group half">
                        <label for="age">年龄：</label>
                        <input type="number" id="age" name="age" required>
                    </div>
                    <div class="form-group half">
                        <label for="gender">性别：</label>
                        <select id="gender" name="gender" required>
                            <option value="">请选择</option>
                            <option value="男">男</option>
                            <option value="女">女</option>
                        </select>
                    </div>
                </div>
                <div class="form-group">
                    <label for="symptoms">主要症状：</label>
                    <textarea id="symptoms" name="symptoms" rows="3" placeholder="请详细描述您的不适" required></textarea>
                </div>
                <div class="form-group">
                    <label for="duration">症状持续时间：</label>
                    <input type="text" id="duration" name="duration" placeholder="例如：3天、一周" required>
                </div>
                <div class="form-group">
                    <label for="history">既往病史（如有）：</label>
                    <textarea id="history" name="history" rows="2" placeholder="例如：高血压、糖尿病等"></textarea>
                </div>
                <div class="form-group">
                    <label for="additional">补充信息（可选）：</label>
                    <textarea id="additional" name="additional" rows="2" placeholder="其他您想说明的情况"></textarea>
                </div>
                <button type="submit" id="submitBtn">提交问诊</button>
            </form>

            <div id="reportSection" class="hidden">
                <h2>问诊报告</h2>
                <div id="reportContent" class="report-content"></div>
                <button id="printBtn" onclick="window.print()">打印报告</button>
            </div>
            <div id="loading" class="hidden">正在生成报告，请稍候...</div>
        </main>
    </div>
    <script src="js/script.js"></script>
</body>
</html>

6.2.2 `css/style.css`

* {
    box-sizing: border-box;
    margin: 0;
    padding: 0;
}

body {
    font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
    background: linear-gradient(135deg, #f5f7fa 0%, #c3cfe2 100%);
    min-height: 100vh;
    padding: 20px;
}

.container {
    max-width: 800px;
    margin: 0 auto;
    background: white;
    border-radius: 15px;
    box-shadow: 0 10px 30px rgba(0,0,0,0.1);
    padding: 30px;
}

header {
    text-align: center;
    margin-bottom: 30px;
}

header h1 {
    color: #2c3e50;
    margin-bottom: 10px;
}

header p {
    color: #7f8c8d;
}

.form-group {
    margin-bottom: 20px;
}

.form-row {
    display: flex;
    gap: 20px;
}

.form-group.half {
    flex: 1;
}

label {
    display: block;
    margin-bottom: 5px;
    font-weight: 600;
    color: #34495e;
}

input, select, textarea {
    width: 100%;
    padding: 10px 12px;
    border: 1px solid #ddd;
    border-radius: 8px;
    font-size: 16px;
    transition: border 0.3s;
}

input:focus, select:focus, textarea:focus {
    outline: none;
    border-color: #3498db;
}

button {
    background-color: #3498db;
    color: white;
    border: none;
    padding: 14px 25px;
    font-size: 16px;
    border-radius: 8px;
    cursor: pointer;
    transition: background 0.3s;
    width: 100%;
    font-weight: 600;
}

button:hover {
    background-color: #2980b9;
}

#reportSection {
    margin-top: 40px;
    border-top: 2px solid #ecf0f1;
    padding-top: 20px;
}

.report-content {
    background: #f8f9fa;
    padding: 20px;
    border-radius: 10px;
    margin: 20px 0;
    white-space: pre-wrap;
    line-height: 1.6;
    font-family: 'Georgia', serif;
    max-height: 500px;
    overflow-y: auto;
}

.hidden {
    display: none;
}

#loading {
    text-align: center;
    padding: 30px;
    font-size: 18px;
    color: #3498db;
}

/* 打印样式 */
@media print {
    body * {
        visibility: hidden;
    }
    #reportSection, #reportSection * {
        visibility: visible;
    }
    #reportSection {
        position: absolute;
        left: 0;
        top: 0;
        width: 100%;
        border: none;
    }
    button, form, header p, #submitBtn, #printBtn {
        display: none;
    }
}

6.2.3 `js/script.js`

document.getElementById('consultForm').addEventListener('submit', async (e) => {
    e.preventDefault();

    // 收集表单数据
    const formData = {
        name: document.getElementById('name').value.trim(),
        age: document.getElementById('age').value.trim(),
        gender: document.getElementById('gender').value,
        symptoms: document.getElementById('symptoms').value.trim(),
        duration: document.getElementById('duration').value.trim(),
        history: document.getElementById('history').value.trim() || '无',
        additional: document.getElementById('additional').value.trim() || '无'
    };

    // 显示加载中
    document.getElementById('loading').classList.remove('hidden');
    document.getElementById('reportSection').classList.add('hidden');
    document.getElementById('submitBtn').disabled = true;

    try {
        // 发送请求到后端
        const response = await fetch('http://localhost:5000/consult', {
            method: 'POST',
            headers: {
                'Content-Type': 'application/json'
            },
            body: JSON.stringify(formData)
        });

        const result = await response.json();

        if (result.success) {
            // 显示报告
            document.getElementById('reportContent').innerText = result.report;
            document.getElementById('reportSection').classList.remove('hidden');
        } else {
            alert('生成报告失败：' + (result.error || '未知错误'));
        }
    } catch (error) {
        alert('网络错误，请检查后端服务是否运行。' + error.message);
    } finally {
        document.getElementById('loading').classList.add('hidden');
        document.getElementById('submitBtn').disabled = false;
    }
});

7. 部署说明

7.1 云服务器准备

购买一台云服务器（如Ubuntu 20.04 LTS），开放端口80（HTTP）和5000（可选，但生产环境用Nginx反向代理）。
SSH登录服务器，更新系统：sudo apt update && sudo apt upgrade -y

7.2 安装Python环境

sudo apt install python3-pip python3-venv nginx -y

7.3 上传项目代码

可以使用scp或git clone。假设代码放在/var/www/ai_consultation。

7.4 配置后端

cd /var/www/ai_consultation/backend
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

测试运行：python app.py，确保能正常启动。

7.5 使用Gunicorn运行

gunicorn -w 4 -b 127.0.0.1:5000 app:app &

（最好使用systemd管理进程，此处简化）

7.6 配置Nginx反向代理

创建配置文件 /etc/nginx/sites-available/ai_consultation：

server {
    listen 80;
    server_name your_domain_or_ip;

    location / {
        root /var/www/ai_consultation/frontend;
        index index.html;
        try_files $uri $uri/ /index.html;
    }

    location /consult {
        proxy_pass http://127.0.0.1:5000/consult;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }

    location /health {
        proxy_pass http://127.0.0.1:5000/health;
    }
}

启用配置：

sudo ln -s /etc/nginx/sites-available/ai_consultation /etc/nginx/sites-enabled/
sudo nginx -t
sudo systemctl reload nginx

7.7 修改前端请求地址

前端script.js中的fetch应改为服务器域名或IP（例如/consult），使用相对路径（通过Nginx代理）。

7.8 配置API密钥

在config.py中填写正确的火山引擎API密钥和URL。

7.9 防火墙设置

确保云服务器安全组允许80端口访问。

8. 盈利模式建议

广告收入：在页面中嵌入医疗相关广告。
付费报告：基础报告免费，详细定制报告收费。
会员订阅：提供无限次问诊、历史记录保存等高级功能。
医生对接：将AI生成的报告转给真实医生审核，收取咨询费。

9. 总结

本项目实现了一个简单的AI问诊网站，通过火山引擎DeepSeek模型模拟多轮问诊并生成报告。前后端分离，易于扩展和维护。部署到云服务器后，可对外提供服务。注意合规性，医疗信息需遵循相关法律法规，建议添加免责声明。

MCP技术社区

欢迎加入 MCP 技术社区！与志同道合者携手前行，一同解锁 MCP 技术的无限可能！

更多推荐

RPA引擎源码解析：Python状态机与规则引擎设计

MCP技术社区

多模态模型调用实战：GPT-Image-2、Veo 3.1和Whisper在玄鉴AI上的全流程体验

多模态AI API的普及正在加速。2026年下半年，甚至可能有更多融合了文本、图像、音频、视频的"原生多模态模型"出现——它们用一个统一的输入输出格式处理所有媒介。在此之前，一个好的API聚合平台——如玄鉴AI——能够将分散的多模态API能力"标准化"到同一套接口下，让开发者的集成成本降到最低。如果你的业务需要同时用到文本、图片、语音等多个AI能力，从一个接口统一的平台开始，往往比从每个厂商的独立

MCP技术社区

多 Agent 编排架构终于有了工程蓝图：这篇论文把 planning/policy/memory/communication 四层职责边界划清楚了

摘要：2026年论文《多Agent系统编排：架构、协议与企业落地》针对多Agent协同中的管理难题，提出形式化工程方案。核心贡献包括：1）编排层分解为规划策略、执行控制、状态知识、质量运维四组件，明确职责边界；2）工具调用（MCP协议）与Agent通信（A2A协议）分层设计，确保可审计性；3）揭示多Agent环境下风险级联放大效应（如幻觉传播），提出操作状态与知识状态分离等关键设计原则。论文为企业

MCP技术社区

所有评论(0)

查看更多评论

千江明月

@lza_csdn2019

已为社区贡献28条内容

AI问诊网站设计方案

千江明月

AI问诊网站：详细设计方案与实现

1. 项目概述

2. 功能需求

3. 技术选型

4. UML建模

4.1 用例图

4.2 类图（后端简化）

4.3 时序图

4.4 部署图

5. 项目文件结构

6. 详细实现

6.1 后端实现

6.1.1 config.py

6.1.2 ai_service.py

6.1.3 app.py

6.1.4 requirements.txt

6.2 前端实现

6.2.1 index.html

6.2.2 css/style.css

6.2.3 js/script.js

7. 部署说明

7.1 云服务器准备

7.2 安装Python环境

7.3 上传项目代码

7.4 配置后端

7.5 使用Gunicorn运行

7.6 配置Nginx反向代理

7.7 修改前端请求地址

7.8 配置API密钥

7.9 防火墙设置

8. 盈利模式建议

9. 总结

所有评论(0)

温馨提示：您尚未绑定手机号

千江明月

6.1.1 `config.py`

6.1.2 `ai_service.py`

6.1.3 `app.py`

6.1.4 `requirements.txt`

6.2.1 `index.html`

6.2.2 `css/style.css`

6.2.3 `js/script.js`