藏药知识图谱与经典方剂数字化

解决传统医药数据的非结构化难题

在处理传统医药数据时，我们常面临知识孤立、检索维度单一且药性逻辑难以量化的问题。藏医药拥有庞大且复杂的典籍体系，其包含的三因学说、六味、八性、十七效等多维属性，构成了极高的结构化壁垒，传统的文本检索往往难以呈现深层关联。

本技能致力于将散落于《四部医典》《晶珠本草》等经典文献中的知识，转化为可调用、可解析且具备逻辑支撑的结构化数据。它不仅仅是知识问答，更像是一个小型的领域知识图谱推理引擎。

核心能力与推理流程

当接收到查询请求时，技能会按严谨的树状结构组织输出：

• 药材与方剂的立体解析：单味药材查询不仅返回基础的基原与学名，还会强制输出完整的药性理论指标。解析方剂时，必须基于君臣佐使原则拆解配伍机制。
• 数字化统计替代人工查阅：对于方剂的深层属性分析，技能会对自拟方或目标方剂执行 方剂数字化拆解流程（包括组成录入、药性提取、整体统计）。例如，自动生成六味/八性的频次分布表，并以此推导出主导药性倾向及潜在配伍风险。
• 病症-方剂的逆向关联：能够根据用户描述的症状反向推导病机（如隆病、赤巴病），并给出相应的经典方剂推荐及联合用药思路。

适用边界与数据的真实性约束

在处理具备极高严谨性要求的医药类数据时，技能内置了严格的防幻觉与领域限制约束：

• 拒绝跨领域与过度推理：当提问触及现代分子药理学或靶向分子解析时，技能会直接触发范围控制机制。
• 强制执行溯源规范：面对不确知的内容，技能必须准确输出 暂无明确典籍依据，严禁模型通过概率预测杜撰药味剂量或典籍出处。所有输出必须在结尾强制附加医疗免责警告，强调不可替代藏医医师的临床辨证。