شات بوت طبي ذكي باستخدام LLM و RAG و Pinecone

وصف الخدمة

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


مميزات الخدمة

نظام RAG كامل للبحث الذكي

يحوّل السؤال إلى Embeddings ويبحث في Pinecone لاسترجاع أدق المعلومات الطبية ذات الصلة

تكامل مع LLM عبر Groq API

يولّد إجابات احترافية ومنظمة بناءً على السياق الطبي المسترجع من قاعدة البيانات

واجهة ويب سهلة الاستخدام

مبنية بـ Flask + HTML + CSS + JavaScript، جاهزة للتشغيل محلياً أو النشر على السيرفر

كود نظيف وموثق بالكامل

الكود منظم وقابل للتعديل، مع ملف .env جاهز وتعليمات تشغيل واضحة خطوة بخطوة


ما الذي ستستلمه

الكود المصدري الكامل للمشروع

كود Python منظم يشمل backend بـ Flask وfrontend بـ HTML/CSS/JS

إعداد قاعدة بيانات Pinecone

نظام تخزين واسترجاع المعرفة الطبية جاهز للعمل مع Embeddings

تعليمات التشغيل والنشر

ملف .env جاهز وشرح كامل لتشغيل المشروع على VS Code أو أي بيئة Python


معرض الأعمال

طلب الخدمة

سعر الخدمة
$10.00

بطاقة الخدمة

طلب الخدمة

سعر الخدمة
$10.00

بطاقة الخدمة