77U 智医

中医临床决策支持平台

架构概览 · 2026年4月

FastAPI 0.109 Next.js 14 Apache AGE Google Vertex AI PostgreSQL Python 3.10+ TypeScript 5.4

导航：→ 下一页 | Space 前进 | ESC 概览 | F 全屏

目录

1

系统概览

2

技术栈

3

请求流程

4

认证与权限控制

5

后端架构

6

服务层与依赖注入

7

聊天管道（SSE）

8

知识图谱

9

知识图谱导入管道

10

大语言模型集成

11

诊断工作流

12

前端架构

13

核心功能

14

数据库与数据仓库

15

测试与安全

16

部署

🏗️

系统概览

什么是 77U 智医？

一个基于中医文献知识图谱的临床决策支持平台，将中医文献知识图谱与大语言模型驱动的问诊、病案研究及文档管理相结合。

🏥 临床用户

基于聊天的中医问诊（SSE 流式传输）
诊断流程（四诊）
病案浏览与阅读
知识图谱自然语言查询

⚙️ 系统能力

中医文献知识图谱（Apache AGE）
四步推理管道
多提供商大语言模型（Vertex AI / Monica / Moonshot / DeepSeek）
双语界面——中英文（next-intl）

📄 文档管理

上传 TXT/PDF/DOCX → 知识图谱导入管道
文档库（含大语言模型摘要）
全文检索

🛡️ 管理

基于角色的访问控制（6个角色）
页面级功能开关
用户管理与审计日志
单点登录（谷歌/微软 Entra）

技术栈

层级	技术	版本	用途
前端	Next.js (App Router)	14.2	SPA + API 代理 + SSR 请求头
	TypeScript	5.4	类型安全
	Tailwind CSS + Radix UI	3.4 / latest	样式与无障碍组件
	next-intl	4.9.1	中英文本地化
后端	FastAPI	0.109	异步 REST + SSE
	Python	3.10+	运行时
	Pydantic	v2 / 2.12	数据模式校验
数据库	PostgreSQL	14+	关系型存储
	Apache AGE	1.x	图扩展（Cypher）
	psycopg 3	3.3	异步/同步驱动
AI / LLM	Google Vertex AI	Gemini 2.5-pro	主 LLM
可观测性	Sentry	10.48	错误跟踪（可选）
限流	slowapi	0.1.9	按端点限流

🔄

请求流程

高层请求流程

浏览器（443/80 端口）

→

Next.js 14
:3000

→

Next.js API 路由
/api/v1/[...path]

→

FastAPI
:8000

→

ServiceRegistry

Next.js → 后端代理

所有 /api/v1/* 请求通过 proxy-utils.ts 代理
SSE 聊天：专用 /api/v1/chat/route.ts
（Node.js 运行时，force-dynamic）
转发请求头：Authorization、Cookie、Content-Type
内部目标：http://127.0.0.1:8000

ServiceRegistry 调度

ChatService — 四步推理管道
KGNaturalLanguageQueryService — 证据检索
ConversationRepository — 历史记录与审计存储
CaseStudyRepository — 病案数据
UserRepository — 认证与角色

CORS 策略

allow_origins: ['http://localhost:3000', 'http://localhost:5173'] · allow_credentials: true · 方法：GET, POST, PATCH, DELETE, OPTIONS

🔐

认证与权限控制

认证架构

JWT 流程（本地）

POST /auth/token（表单：用户名 + 密码）

↓

bcrypt 验证 → 创建 HS256 JWT（30 分钟）

↓

访问令牌 → httpOnly cookie（path=/）

↓

刷新令牌（SHA256 哈希）→ 数据库 + httpOnly cookie（7 天）

↓

401 → POST /auth/refresh → 重试

单点登录流程（谷歌/微软）

GET /auth/google/authorize

↓

重定向 → 谷歌 OAuth2 授权页

↓

GET /auth/google/callback?code=...

↓

重定向 → 前端 ?sso=success

↓

前端调用 GET /auth/me → 填充 AuthContext

基于角色的访问控制

角色

角色	描述
`admin`	完全访问，用户管理，审计日志
`clinician`	聊天、病案（写入）、知识图谱查询
`researcher`	以读为主；知识图谱与文档库访问
`user`	默认已认证访问
`patient`	受限视图
`readonly`	最小访问权限

执行

# 路由装饰器
@router.get("/chat")
async def chat(
    current_user: User = Depends(
        require_roles("user", "clinician", "admin")
    )
):
    ...

页面级功能开关

管理员可配置各角色对每个页面（chat、graph、library、case_studies、ontology、websearch）的访问权限，存储于 page_access_config 数据库表中。

数据库表

users roles user_roles refresh_tokens auth_audit_log page_access_config

⚙️

后端架构

后端目录结构

backend/app/
├── main.py            # 应用工厂 + 生命周期
├── config.py          # 50+ 个环境变量
├── dependencies.py    # ServiceRegistry（依赖注入）
├── core/
│   ├── auth.py        # JWT、RBAC、OAuth2
│   ├── llm_client.py  # 多提供商大语言模型
│   ├── graphrag.py    # GraphRAG 编排器
│   ├── rate_limiter.py
│   └── sso_clients.py
├── middleware/
│   ├── error_handler.py
│   └── logger.py
├── models/            # Pydantic v2 数据模式
├── api/v1/            # 路由处理器
├── services/          # 业务逻辑
├── kg_pipeline/       # KG 导入管道
└── utils/

中间件栈（有序）

① 请求体大小限制中间件（最大 10 MB）

② 安全请求头中间件（X-Frame, CSP）

③ CORS 中间件

④ 限流器 — slowapi（聊天 30 次/分钟）

生命周期

async def lifespan(app):
    Config.validate()      # 启动检查
    await db_pool.open()   # 异步连接池
    yield
    await db_pool.close()
    await upload.shutdown_upload_tasks()

API 路由概览

路由模块	路径前缀	关键端点	认证
health.py	/health	GET /live, GET /ready	无
chat.py	/chat	GET\|POST /chat (SSE), GET /history, GET /diagnosis-audit/{id}	user/clinician/admin
auth.py	/auth	POST /token, POST /refresh, GET /logout, GET /google/authorize, GET /microsoft/authorize, POST /mfa/*	公开 / bearer
kg.py	/kg	POST /nl-query, GET /entity/{e}, GET /graph, POST /alias-feedback	user/clinician
case_studies.py	/case-studies	CRUD + /patterns, /keywords, /solar-terms	user/clinician/admin
taxonomy.py	/taxonomy	GET /, GET /entity-types, GET /relation-types	Bearer
upload.py	/upload	POST / (ingest), GET /status, POST /cancel	admin
library.py	/library	GET /search, GET /get, GET /categories	Bearer
exploration.py	/exploration	POST /modify-reasoning	user/clinician
page_access.py	/page-access	GET /{page}, POST /{page}	Bearer / admin
admin.py	/admin	CRUD /users, /users/{id}/roles, /users/{id}/status, GET /audit-log	admin

🔩

服务层与依赖注入

ServiceRegistry（单例依赖注入）

文件：dependencies.py

已注册服务

服务	类型
db_pool	AsyncConnectionPool
_kg	TCMKnowledgeGraph（内存）
_graphrag	GraphRAG 编排器
chat_service	ChatService \| 降级服务
_kg_nl_query_service	KGNaturalLanguageQueryService
_conv_repo	ConversationRepository
_case_study_repo	CaseStudyRepository
_taxonomy_repo	TaxonomyRepository
_kg_alias_feedback_repo	KGAliasFeedbackRepository

初始化顺序与降级

① AsyncConnectionPool

② TCMKnowledgeGraph（轻量级）

③ GraphRAG, KGAliasFeedbackRepo

④ KGNaturalLanguageQueryService

⑤ ConversationRepository

⑥ CaseStudyRepo, TaxonomyRepo

⑦ AGEKnowledgeRetrievalService

⑧ ChatService（完整管道）

⚠️ 降级

若 AGE 不可用 → _KGNLChatFallbackService 替代 ChatService

💬

聊天管道与 SSE 流式传输

四步聊天管道

文件：chat_service.pyChatService.process_query_stream()

第一步 — 意图分析
大语言模型：提取关键词 + 意图类型

↓

第二、三步 — 并行检索
知识图谱检索（KGEvidenceRetriever）‖ 通用草稿（大语言模型）

↓

第四步 — 推理 + 合成
构建推理轨迹 → 合成最终答案 + 免责声明

特殊模式

诊断模式：委托 DiagnosisWorkflowService
病案模式：附加病案上下文
语言=en：前置英文指令

产生的 SSE 事件

事件类型	载荷
thinking_start	管道启动
thinking_step	step, title
thinking_content	step, content
thinking_end	—
stage_snapshot	stage, provenance, content（JSON）
final_answer_start	—
final_answer_content	答案分块
final_end	—
safety_review	JSON：警告
synthesis_gate	retained_triples, allowed
error	错误消息（流终止）

心跳：: keep-alive 每 5 秒一次 · 每次心跳检测客户端断连

🕸️

知识图谱

知识图谱架构

存储：Apache AGE

PostgreSQL 扩展 — 基于属性图的 Cypher 查询
主图：tcm_graph
病案图谱：独立图（CASE_STUDY_AGE_GRAPH_NAME）

数据模型

-- 实体节点
(:Entity { name, type_code })

-- 关系边
(:Entity)-[:REL {
  predicate,
  source_book,
  source_chapter,
  type_code,
  confidence: float
}]->(:Entity)

KGNaturalLanguageQueryService

缓存：OrderedDict，TTL 300s，256 条，asyncio.Lock
意图类型：ENTITY_CENTRIC, RELATION, COMPARE_PATH, STATS_OVERVIEW
启发式 → 模糊时回退至大语言模型
从用户反馈中学习别名

KGEvidenceRetriever

启动时从 AGE 构建实体与关系索引
通过 psycopg3 运行参数化 Cypher
返回 RetrievalResult：实体、关系、证据三元组、子图、置信度

知识图谱导入管道

目录：kg_pipeline/ — 由 POST /upload 触发（仅限管理员）

📄 书籍文件（TXT）

→

① 分块器
8000 字符分块，500 字符重叠

→

② 提取器
大语言模型 → (s, p, o) 三元组

→

③ 映射器
分类代码 + 置信度

→

④ AGE 写入器
MERGE 幂等写入

幂等性 — 导入账本

表：kg_ingestion_ledger

源文件 SHA-256 哈希
(source_path, sha256) 的唯一约束
状态：in_progress → completed / failed / interrupted
防止重复处理未变更文件

阶段详情

分块器：感知大纲的章节拆分，CHUNK_SIZE_THRESHOLD = 8000
提取器：根据分类法验证实体/关系，大语言模型兜底
映射器：大语言模型消歧 → type_code，置信度 0–1.0，带缓存
AGE 写入器：MERGE 实体 + 边，返回 triple_count

🤖

大语言模型集成

多提供商大语言模型架构

文件：core/llm_client.py

提供商（`LLM_PROVIDER`）	模型	认证	默认
Google Vertex AI	gemini-2.5-pro, gemini-1.5-pro, gemini-2.0-flash	服务账号 JSON / ADC	✅ 主要
Monica	GPT family via gateway	MONICA_API_KEY	—
Moonshot (Kimi)	GPT family via gateway	MOONSHOT_API_KEY	—
DeepSeek	deepseek-chat, deepseek-coder	DEEPSEEK_API_KEY	—

客户端工厂

async def get_llm_client_async() -> LLMClient:
    """根据 LLM_PROVIDER 环境变量
    返回已配置的异步客户端"""

# 在服务中使用：
client = await get_llm_client_async()
response = await client.generate(
    prompt,
    temperature=0.7,
    max_tokens=2000
)

凭证自动发现（Vertex AI）

检查 GOOGLE_APPLICATION_CREDENTIALS
回退到 thinking-field-478002-v4-*.json（开发环境）
若未设置 GOOGLE_CLOUD_PROJECT，则从 JSON 中提取 project_id
由 TCM_ALLOW_LOCAL_SERVICE_ACCOUNT_AUTOLOAD=true 控制

🩺

诊断工作流

诊断工作流管道

当 POST /chat 包含 diagnosis_input 字段时触发

① 规范化 — 解析结构化 DiagnosisInput（人口统计、四诊、舌象、脉象）

↓

② 证据检索 — 从知识图谱查询与症状相关的证候/药材/方剂三元组

↓

③ 草稿生成 — 双大语言模型：知识图谱驱动草稿 ‖ 通用中医草稿（并行）

↓

④ 推理组装 — 逐步推理轨迹（阶段快照 → SSE）

↓

⑤ 安全审查 — 禁忌检查（药物相互作用、妊娠禁忌等）

↓

⑥ 最终合成 — 综合答案 + 法律免责声明

DiagnosisInput 字段

age, gender, chief_complaint, present_history, past_history, inspection, auscultation, inquiry, palpation, tongue_appearance, pulse_quality, western_diagnosis, western_labs

🖥️

前端架构

前端概览

统计

69 个 TypeScript/TSX 源文件
约 16,500 行代码
43 个导出 React 组件
14 个组件子目录

App Router 结构

路由	组件	认证
`/`	LandingPage (LoginForm)	公开
`/dashboard`	UnifiedDashboard	私有
`/web-search`	WebSearchDashboard	私有
`/api/v1/*`	动态代理 → :8000	透传
`/api/v1/chat`	SSE 代理	透传
`/healthz`	健康检查	公开

根布局

// layout.tsx
// 读取语言 cookie（zh|en）
// 导入 messages/{locale}.json
// 包裹子组件：
// NextIntlClientProvider
//   → AuthProvider
//     → ErrorBoundary
//       → {children}

中间件（middleware.ts）

透传模式（无服务端重定向）。认证守卫在 UnifiedDashboard 中采用客户端方式。原因：避免 SSR 与 httpOnly cookie 检查的循环依赖。

UnifiedDashboard — 主应用外壳

文件：unified-layout/UnifiedDashboard.tsx主标签路由

标签路由

标签	渲染的组件
chat	TCMChatInterface + 聊天历史侧边栏
graph	KnowledgeGraphViewer + KgNlQueryPanel
ontology	OntologyGraphViewer
library	文档库（DocumentLibrary）（上传 + 列表 + 查看）
case_studies	CaseStudyBrowser + CaseStudyReader
websearch	WebSearchDashboard
admin	PageAccessPanel + AuditLogViewer + UserManagementPanel

左侧边栏

ProfileRing（点击 → 用户资料面板弹窗）
标签导航图标
语言切换器（中英文）
退出按钮

关键状态

activeTab — 当前视图
selectedDocument — 文档查看器
loadedCaseStudy — 病案 → 聊天预填
pageAccessConfigs — 功能开关
graphStats — 知识图谱统计

前端认证流程

AuthProvider 策略

加载时：检查 ?sso=success

从 localStorage 乐观加载（即时渲染）

通过 GET /auth/me 验证

若 401/403：清除 localStorage

存储分离

内容	位置
AuthUser（用户名、角色）	localStorage
访问令牌	httpOnly cookie
刷新令牌	httpOnly cookie（path=/api/v1/auth）

令牌刷新（Axios 拦截器）

if (status === 401
    && !config._refreshAttempted
    && !url.includes('/auth/')) {
  config._refreshAttempted = true;
  await axios.post('/api/v1/auth/refresh',
    {}, { withCredentials: true });
  return api(config); // 重试
}
// 若刷新失败：
// → 清除 localStorage
// → 重定向至 /?login=1

⚠️ 已知限制

AuthUser 存储在 localStorage（不含令牌）。令牌存储在 httpOnly cookie 中。localStorage 可被 JS 访问 — 已在 FRONTEND_REVIEW_CHECKLIST.md 中跟踪。

前端 API 层

文件：src/api/document-api.tssrc/api/case-study-api.ts

Axios 实例

const api = axios.create({
  baseURL: '/api/v1',
  timeout: 15000,
  withCredentials: true,
});

documentApi — 关键方法

uploadDocument(file) → POST /documents/upload
getDocuments() → GET /documents
removeDocument(id) → DELETE /documents/{id}
searchDocuments(query) → GET /search/search_documents
queryKgNaturalLanguage(req) → POST /kg/nl-query
getQueryRelevantGraph(q) → POST /kg/query-graph
getDiagnosisAudit(id) → GET /chat/diagnosis-audit/{id}
createExploration(id, trail) → POST /conversations/{id}/explore

状态管理（上下文）

上下文	全局状态
AuthContext	user, hydrated；登录/退出/刷新
CaseStudyContext	items, filters, selectedCase, facets
KgNlQueryContext	query, result, loading, error

SSE 消费（聊天）

const response = await fetch('/api/v1/chat', {
  method: 'POST',
  headers: { Accept: 'text/event-stream' },
  signal: controller.signal,
});
const reader = response.body?.getReader();
// 逐行解析："data: {...}

"

✨

核心功能详解

病案功能

数据模型

CaseStudyMetadata：id, title, specialties, keywords, tcm_diagnosis, western_diagnosis, outcome_status
CaseStudy（完整）：sections（abstract_raw, introduction, clinical_data, commentary）, follow_up_visits, graph_links
Structured v1.1：patient_profile, reasoning_engine, treatment_course, outcomes, admin_flags

浏览与筛选

筛选器：专科、关键词、中医证候、节气、结局状态
首次挂载时懒加载分面（CaseStudyContext）

病案阅读器

查看模式：结构化（按阶段分层）vs 全文（连续）
层级：输入 → 过程 → 输出 → 管理
嵌入知识图谱：基于 graph_links 的力导向图
结局仪表盘：前后指标对比（recharts）
治疗时间线：ComposedChart，就诊日期，方剂标注

聊天集成

"加载到聊天"按钮构建 LoadedCaseStudyForChat 载荷 → 传递给 TCMChatInterface → 预填 DiagnosisInput

文档管理

📤 上传流程

选择 .txt 文件（拖放区）

↓

POST /documents/upload → task_id

↓

每 3 秒轮询 /documents/processing/{taskId}

↓

状态：pending → in_progress → completed / failed

↓

知识图谱导入管道异步运行

📚 文档库

列出所有已上传文档
状态标签：completed, in_progress, pending, failed
摘要统计：总计、已完成、进行中、待处理
集成上传区域 + 查看器
点击 → 在 DocumentViewer 中渲染

👁️ 文档查看器

分割面板：70% 文档 / 30% 摘要
格式支持：
.txt → TextDocumentViewer
.pdf → react-pdf-viewer（动态）
.docx → docx-preview
大语言模型摘要：异步获取 /library/content/summary/llm

知识图谱可视化

KnowledgeGraphViewer

依赖库：react-force-graph-2d + d3-force
力导向布局（节点可拖拽）
节点颜色按实体类型区分
节点大小按度数（中心性）区分
边标签（关系名称）
缩放：按钮 + 鼠标滚轮
点击节点 → 元数据弹窗（入/出关系、来源书籍）
筛选器：sourceBook, relationType, entityTypes
统计弹窗：节点数、边数、来源书籍、关系类型

知识图谱自然语言查询

表单：查询文本、topK 滑块（1–50）、是否包含图谱切换
POST /kg/nl-query
结果：
- 答案（Markdown）
- 证据三元组表（主语、谓语、宾语、来源书籍、评分）
- 子图可视化（当 include_graph=true 时）

别名反馈

用户提交备选术语映射 → 存入 kg_alias_feedback → KGNaturalLanguageQueryService 下次加载时学习

国际化（i18n）

配置

框架：next-intl v4.9.1
语言检测：cookie（locale=zh|en）
默认：中文（zh）
无 URL 段路由（/en/...）
配置：src/i18n/request.ts

// request.ts
export default getRequestConfig(async () => {
  const locale = cookie("locale") ?? "zh";
  const messages = await import(
    `../../messages/${locale}.json`
  );
  return { locale, messages };
});

消息命名空间

命名空间	键数量	用途
auth	8	登录表单、错误提示
nav	7	标签标题
dashboard	3	侧边栏操作
profile	20+	用户资料面板
caseStudy	50+	病案阅读器/浏览器
chat	15+	聊天界面
documents	10+	上传、文档库、资源池
admin	10+	管理面板

语言切换器：设置 cookie，触发页面重载 → next-intl 重新读取语言

🗄️

数据库与数据仓库

数据库架构

设计理念

无 ORM — 全程使用原生 psycopg3 SQL
仅使用参数化查询（绝不字符串拼接）
表在首次启动时自动初始化（_ensure_table()）
同步：UserRepository（阻塞式认证操作）
异步：ConversationRepository + 其他所有仓库

连接池

AsyncConnectionPool(
    Config.DB_DSN,
    min_size=2,
    max_size=10,
    open=False  # 在生命周期中打开
)

仓库清单

仓库	表 / 存储
UserRepository	users, roles, user_roles, refresh_tokens, auth_audit_log, page_access_config
ConversationRepository	conversation_history, conversation_explorations, diagnosis_workflow_audits
CaseStudyRepository	XML 文件存储 + AGE 实体关联
TaxonomyRepository	本体数据（从 AGE 加载至内存）
KGAliasFeedbackRepository	kg_alias_feedback（alias_text, canonical_term, user_id）

Apache AGE 表

tcm_graph（主知识图谱）· kg_ingestion_ledger（管道幂等性）· 病案图谱（独立 schema）

🧪

测试与安全

测试策略

后端（pytest）

测试领域	覆盖范围
知识检索	知识图谱检索进度回归测试
知识图谱自然语言查询 API	端点响应格式
病案解析器	XML 解析、字段提取
聊天管道	SSE 事件生成

source 77u_tcm_ws/bin/activate
PYTHONPATH=.:backend pytest backend/ -v
# 单个测试：
pytest backend/ -k "chat"

前端（Jest + Cypress）

测试文件	测试重点
document-api.test.ts	模拟 axios 调用
case-study-api.test.ts	Build* 辅助方法
CaseStudyFlow.test.tsx	浏览器/阅读器流程
KgNlQueryPanel.test.tsx	表单 + 结果
DocumentViewer.test.tsx	多格式渲染
kg-nl-query-smoke.cy.ts	E2E Cypress 冒烟测试

cd frontend
npm test           # Jest 单元测试
npx cypress run    # E2E 无头测试

安全架构

HTTP 安全请求头

请求头	值
X-Frame-Options	DENY
X-Content-Type-Options	nosniff
Referrer-Policy	strict-origin-when-cross-origin
Permissions-Policy	camera=(), microphone=(), geolocation=()
CSP	script-src 'self' 'unsafe-inline' 'unsafe-eval'
X-Accel-Buffering	no（SSE 代理）

应用安全

JWT HS256（30 分钟访问令牌，7 天刷新令牌）
bcrypt 密码哈希
TOTP/MFA 支持（pyotp）
刷新令牌以 SHA256 哈希存储于数据库
所有 SQL：参数化查询（防注入）
所有 AGE Cypher：参数化（防注入）
限流：slowapi 聊天 30 次/分钟
请求体大小限制：10 MB
SECRET_KEY：≥32 位字符，生产环境不得使用默认值
Sentry：可选错误跟踪，采样率 0.1

🚀

部署

部署架构

服务

服务	进程	端口
77u_tcm_frontend	Next.js 生产服务器	3000
77u_tcm_backend	uvicorn（FastAPI ASGI）	8000
PostgreSQL+AGE	PostgreSQL 守护进程	5432

启动脚本

# 后端
source 77u_tcm_ws/bin/activate
uvicorn backend.app.main:app \
  --host 127.0.0.1 --port 8000 --reload
# 或：
bash start_backend.sh

# 前端
bash start_frontend.sh
# （构建 + npm start，监听 :3000）

systemd 服务

Backend Service
Frontend Service
均通过 sudo systemctl start|restart|status 管理

环境配置文件

文件	包含内容
.env（后端）	SECRET_KEY, DB_DSN, 大语言模型密钥, AGE 设置
.env.local（前端）	NEXT_PUBLIC_API_BASE_URL, SENTRY_DSN
.env.production（前端）	生产环境覆盖配置

虚拟环境

77u_tcm_ws/ 位于项目根目录 — 两个启动脚本均使用此虚拟环境

设计原则

🚀 异步优先

全程使用 FastAPI + asyncio
异步连接池（2–10）
管道中并行进行知识图谱检索与通用检索
长时间 AI 操作使用 SSE

🕸️ 图原生

Apache AGE（PostgreSQL）— Cypher 查询
内存 facade（TCMKnowledgeGraph）
AGE 是数据权威来源
力导向可视化（D3）

🔌 可插拔大语言模型

4 个提供商后端
单一 LLM_PROVIDER 环境变量切换
统一的异步客户端接口

🛡️ 容错性

AGE 宕机时切换到备用 ChatService
仓库故障时优雅降级
SSE 中检测客户端断连
流中产生错误事件（而非 HTTP 500）

🏗️ 清晰架构

ServiceRegistry 依赖注入（无全局变量）
无 ORM — 完全掌控 SQL
Pydantic v2 严格校验
仓库自管理数据库 Schema

🌐 开发体验

端到端 TypeScript 5.4
中英文完整本地化
Jest + Cypress 测试覆盖
热重载开发模式（前后端均支持）

77U 智医

中医临床决策支持平台

⚙️

FastAPI 0.109
Python 3.10

🖥️

Next.js 14
TypeScript 5.4

🕸️

Apache AGE
PostgreSQL

🤖

Vertex AI
Gemini 2.5-pro

端到端双语中医决策支持 · 知识图谱 + 大语言模型推理 · 流式问诊管道

77U 智医

企业级中医 AI 助手