本发明涉及rag，具体提供一种大模型医保知识问答方法及装置。
背景技术：
1、基于rag的大模型医保知识问答方法和系统的背景技术包括transformer模型和语言表示模型。rag(retrieval-augmented generation)是一种结合检索和生成的方法，在问答系统中通过先检索相关信息，然后生成答案，能够提高问答系统的性能和准确性。使用大规模预训练的transformer模型，如bert、gpt等，可以实现对医保知识的理解和生成。此外，还需要包括医疗保险领域的数据集和知识图谱来支持知识的提取和检索。整合这些技术和资源可以构建一个更加准确和高效的医保知识问答系统。
2、如何提升医保领域的工作效率，减少误解和错误，提高对医保政策的理解和遵从，最终改善医保服务的质量和效果是本领域技术人员亟待解决的问题。
技术实现思路
1、本发明是针对上述现有技术的不足，提供一种实用性强的大模型医保知识问答方法。
2、本发明进一步的技术任务是提供一种设计合理，安全适用的大模型医保知识问答装置。
3、本发明解决其技术问题所采用的技术方案是：
4、一种大模型医保知识问答方法，具有如下步骤：
5、s1、搜集医保相关知识，经过整理，存储进faiss；
6、s2、用户通过speech-to-text技术或者直接键入问题生成初始prompt；
7、s3、faiss的pqx乘积量化召回检索方式使用初始prompt召回相关知识的top5；
8、s4、对二代prompt使用prompt engineering进行改造，升级成三代prompt，以让prompt最大限度提高大模型对于医保知识的涌现能力；
9、s5、将三代prompt发送给大模型，大模型通过三代prompt中召回的知识背景回答用户的问题；
10、s6、对超链接和微信公众号进行处理。
11、进一步的，在步骤s1中，搜集医保相关知识，整理成语义简练的文本，删除空格和换行，形成文档，文档的内容形势为qa对，将embedding化后存入向量库中；
12、形成文档后，使用langchain将长文本切割，切割的原则为语义相关的文本片段放在一起，将切割后的文本使用word2vec向量化，并将向量存储进向量数据库faiss中供召回使用。
13、进一步的，在步骤s2中，speech-to-text技术通过音频采集、预处理、特征提取、语音识别、后处理缩短用户提出问题的时间成本，并生成初始prompt。
14、进一步的，在步骤s3中，将生成的top5条消息用大模型与初代prompt融合、理解、筛选组成二代prompt，将召回的5条数据发送给大模型对数据进行融合、理解和筛选。
15、进一步的，在步骤s4中，根据chain of thought方法和prompt在线优化平台优化prompt，优化效果准确率取决于添加prompt语料。
16、进一步的，在步骤s5中，当将三代prompt发送给大模型时，大模型将会利用其中召回的丰富知识背景来更有效地回答用户的问题，通过前三代prompt的信息，大模型理解问题的背景和上下文，并根据这些信息生成更准确和有逻辑性的回答。
17、进一步的，在步骤s6中，对于超链接，点击提示，群众点击即可直接跳转业务系统，使用正则表达式匹配大模型返回文本中的超链接，赋予超链接的跳转属性和选中效果。
18、进一步的，对于微信公众号，点击提示，群众点击直接弹出微信公众号的二维码，扫码即可跳转公众号平台操作相关业务；
19、将公众号的二维码图片存储进云端服务器，点击链接即可显示相应图片，当系统匹配到微信公众号类型的超链接时，用户点击超链接，系统页面弹出公众号二维码图片浮窗，群众扫码即可跳转到公众号办理相应业务。
20、一种大模型医保知识问答装置，包括：至少一个存储器和至少一个处理器；
21、所述至少一个存储器，用于存储机器可读程序；
22、所述至少一个处理器，用于调用所述机器可读程序，执行一种医保知识问答方法。
23、本发明的一种大模型医保知识问答方法及装置和现有技术相比，具有以下突出的有益效果：
24、本发明可以结合信息检索和生成式模型，通过文本检索和生成答案的方式，提高问答系统的准确性。该系统可以准确地回答用户提出的医保问题，帮助用户解决疑惑和困惑。
25、基于rag的大模型可以学习医保领域的丰富知识并进行智能推理，能够根据用户提出的问题提供详细的解答，帮助用户更好地理解医保政策和规定。
26、医保知识问答系统可以快速响应用户问题，减少用户等待时间，提高工作效率。系统利用rag模型和知识图谱进行信息检索和生成，能够快速、准确地返回答案。
27、问答系统可以自动化地处理大量医保问题，减轻人工处理的负担。用户无需等待人工回答，可以通过系统自主获取需要的医保知识，提高用户体验。
28、rag模型可以不断学习新的医保知识，随着数据的增加和模型训练的深化，系统的知识库和回答能力将不断提升，保持系统的持续更新和改进。
29、总的来说，本发明可以提高医保领域信息传递和服务质量，为用户提供准确、智能和高效的问答服务，促进医保制度的更好运行和利用。
1.一种大模型医保知识问答方法，其特征在于，具有如下步骤：
2.根据权利要求1所述的一种大模型医保知识问答方法，其特征在于，在步骤s1中，搜集医保相关知识，整理成语义简练的文本，删除空格和换行，形成文档，文档的内容形势为qa对，将embedding化后存入向量库中；
3.根据权利要求2所述的一种大模型医保知识问答方法，其特征在于，在步骤s2中，speech-to-text技术通过音频采集、预处理、特征提取、语音识别、后处理缩短用户提出问题的时间成本，并生成初始prompt。
4.根据权利要求3所述的一种大模型医保知识问答方法，其特征在于，在步骤s3中，将生成的top5条消息用大模型与初代prompt融合、理解、筛选组成二代prompt，将召回的5条数据发送给大模型对数据进行融合、理解和筛选。
5.根据权利要求4所述的一种大模型医保知识问答方法，其特征在于，在步骤s4中，根据chain of thought方法和prompt在线优化平台优化prompt，优化效果准确率取决于添加prompt语料。
6.根据权利要求5所述的一种大模型医保知识问答方法，其特征在于，在步骤s5中，当将三代prompt发送给大模型时，大模型将会利用其中召回的丰富知识背景来更有效地回答用户的问题，通过前三代prompt的信息，大模型理解问题的背景和上下文，并根据这些信息生成更准确和有逻辑性的回答。
7.根据权利要求6所述的一种大模型医保知识问答方法，其特征在于，在步骤s6中，对于超链接，点击提示，群众点击即可直接跳转业务系统，使用正则表达式匹配大模型返回文本中的超链接，赋予超链接的跳转属性和选中效果。
8.根据权利要求7所述的一种大模型医保知识问答方法，其特征在于，对于微信公众号，点击提示，群众点击直接弹出微信公众号的二维码，扫码即可跳转公众号平台操作相关业务；
9.一种大模型医保知识问答装置，其特征在于，包括：至少一个存储器和至少一个处理器；
