هل تحتاج شات بوت ذكي يجيب على الأسئلة الطبية بدقة واحترافية؟
بنيت هذا المشروع بالكامل باستخدام نظام RAG (Retrieval-Augmented Generation)، حيث يحوّل سؤال المستخدم إلى Embeddings عبر Hugging Face، ثم يبحث في قاعدة بيانات Pinecone لاسترجاع المعلومات الطبية الأكثر صلة، وأخيراً يولّد الـ LLM عبر Groq API إجابة احترافية ومنظمة.
الواجهة مبنية بـ Flask + HTML + CSS + JavaScript وجاهزة للتشغيل محلياً أو النشر على السيرفر.
هذا المشروع لأغراض تعليمية وتوفير معلومات عامة فقط، ولا يُغني عن استشارة الطبيب المتخصص.
مواصفات الخدمة الأساسية :
- شات بوت طبي واحد (Single Medical Chatbot)
- قاعدة بيانات Pinecone بحجم يصل إلى 500 وثيقة طبية
- تكامل مع نموذج LLM واحد عبر Groq API (llama-3 أو ما يعادله)
- Embeddings عبر Hugging Face (نموذج مجاني)
- واجهة ويب كاملة (Flask + HTML/CSS/JS)
- كود مصدري منظم وقابل للتعديل
- ملف .env جاهز + تعليمات تشغيل تفصيلية
يحوّل السؤال إلى Embeddings ويبحث في Pinecone لاسترجاع أدق المعلومات الطبية ذات الصلة
يولّد إجابات احترافية ومنظمة بناءً على السياق الطبي المسترجع من قاعدة البيانات
مبنية بـ Flask + HTML + CSS + JavaScript، جاهزة للتشغيل محلياً أو النشر على السيرفر
الكود منظم وقابل للتعديل، مع ملف .env جاهز وتعليمات تشغيل واضحة خطوة بخطوة
كود Python منظم يشمل backend بـ Flask وfrontend بـ HTML/CSS/JS
نظام تخزين واسترجاع المعرفة الطبية جاهز للعمل مع Embeddings
ملف .env جاهز وشرح كامل لتشغيل المشروع على VS Code أو أي بيئة Python