目    录

目    录   i

第 1   章  绪论   1

1.1    研究背景及意义   1

1.2    研究现状   1

1.3    研究内容   2

1.4    本文的组织结构  3

第 2   章  相关工作研究和技术介绍  4

2.1    糖尿病管理辅助工具的研究现状  4

2.2    UniApp 简介   4

2.3    NLP 简介   5

2.4    HBulider X 简介   6

2.5    Vue 简介   6

第 3   章  需求分析   7

3.1    可行性分析   7

3.1.1    技术可行性   7

3.1.2    经济可行性   7

3.1.3    操作可行性   7

3.1.4    社会可行性   7

3.2    系统性能分析   7

3.3    业务流程分析   8

3.3.1    业务主要目标   8

3.3.2    业务流程图   8

3.3.3    系统参与者   9

3.3.4    整体用例图   9

3.3.5    数据流图   10

3.4    系统功能需求分析   11

3.4.1    通过提示词询问问题模块   11

3.4.2    通过搜索框询问问题模块   13

3.5    系统非功能需求分析   13

第 4   章  系统设计   15

4.1    系统整体框架设计   15

4.2    系统通用模块设计   15

4.2.1    通过提示词询问问题模块   15

4.2.2    通过搜索框询问问题模块   18

4.3    数据库设计   20

4.3.1    数据库表设计   20

4.3.2    E-R 图   24

第 5   章  系统实现   25

5.1    系统实现环境   25

5.2    代码实现   25

5.2.1    系统主体代码   25

5.2.2    系统问答界面代码   29

5.2.3    Uniapp 框架代码设计与实现  32

5.3    数据收集与采集  36

5.3.1    相关数据的收集方法   36

5.3.2    数据预处理的步骤   36

5.3.3    数据清洗的方法  36

5.4    系统主要功能实现   37

第 6   章  程序测试   41

6.1    测试方案及测试用例   41

6.2    测试环境   41

6.3    功能测试   41

6.4    非功能测试   42

6.4.1    兼容性测试   42

第 1 章  绪论

1.1    研究背景及意义

（1）对糖尿病的管控需求

糖尿病是影响病人身体健康、生活品质的一种慢性病。这使得很多糖尿病人迫切需要一款人工智能辅助设备，它可以迅速而精确地解答病人的疑问。本课题拟通过构建“糖尿病健康分析助手”，为其制定个体化的医疗服务方案，提高其自我管理能力。

（2）大语言模型的优点

以 ChatGPT 为代表的大语言模型，尽管才刚刚进入人类的视野中，但已经在知识实践上展现出卓越能力，成为堪称“通”家的大“专”家。[1] 大语言模型能够对海量数据进行自动分析、自动生成。该方法能够有效地对海量的文字进行分析，并从中抽取出所需的信息，从而产生具有针对性的文字答复与说明。本项目拟采用大数据建模方法，实现对糖尿病个体化、精细化、个性化的评估。ChatGPT 为预训练大模型向下游任务的发展提供了良好的参考技术路径，未来的多模态大模型构建以及下游任务实现过程中，可以充分利用高质量的指令微调等技术来显著提升多模态大模型的下游任务性能。[2]

（3）当今的 AI 不足之处

现在的 AI 模型使用门槛高，而非计算机专业领域的用户没有提示词，不知道如何向 AI 询问问题。我想通过基于大语言模型，来设计一个糖尿病健康助手，在系统中生成一些糖尿病患者经常询问问题的关键词，来帮助糖尿病患者进行提问。

（4）市场需要

伴随着人们健康意识的提高，对包括糖尿病在内的慢性病进行健康管理的需要日益增多。因此，开发一个基于大语言模型的糖尿病健康分析助手项目，可以满足市场的需求，为患者提供更好的健康管理服务。综上所述，基于大语言模型的糖尿病健康分析助手项目的选题依据在于满足糖尿病患者的健康管理需求，利用大语言模型技术的优势，弥补当前健 AI 的不足，并满足市场的需求。

1.2    研究现状

自从2017 年Transformer 架构发布以来，以大语言模型（large language model,LLM）为代表的大模型（foundation model，基础模型）得到了蓬勃发展。[3]

（1）自然语言处理技术的应用

目前，许多研究已经将自然语言处理技术应用于糖尿病健康管理领域。这些技术包括文本分类、情感分析、命名实体识别等，可以帮助医生和患者更好地理解和利用大量的医学文献和健康信息。

（2）大语言模型的发展

在大数据环境下，大数据量的建模方法被越来越多地使用。ChatGPT 的上线掀起了大语言模型的热潮，除了谷歌、微软、 OpenAI、百度、阿里巴巴等科技巨头，创业公司和其他互联网企业也纷纷布局大模型。[4]

（3）个性化健康管理的需求

糖尿病是一种慢性疾病，需要长期的健康管理和监测。因此，开发一个基于大语言模型的糖尿病健康分析助手项目，可以为患者提供个性化的健康管理建议和指导，帮助患者更好地管理自己的健康。

（4）现有研究的局限性

虽然基于大语言模型的糖尿病健康分析助手项目具有很大的潜力，但目前仍存在一些局限性。例如，患者在向大语言模型提问时，得到的答案比较笼统，缺少针对有个人情况的具体分析。并且没有提示词，导致患者不知道该如何向大模型语言进行提问。为了弥补传统护理对糖尿病患者监管和治疗的不足，本文设计了一个基于 Web 小程序的糖尿病患者健康管理系统。通过 Web 小程序界面与功能，来回答糖尿病患者的相关问题。[5]

1.3    研究内容

1. 结合糖尿病的特殊性及患者特征等限制因素, 对糖尿病健康管理应用界面的设计要求进行归纳和总结, 提出满足用户需求和提升糖尿病健康管理的应用界面设计策略。糖尿病健康管理应用界面的设计应充分考虑疾病特性、用户特征, 归纳出整合交互结构、简化交互流程, 明确任务目标、引导管理行为, 混合交互方式、优化交互过程, 建立及时有效的反馈机制的界面设计策略。该策略可有效提升糖尿病健康管理的依从性, 为糖尿病健康管理应用界面设计提供参考。[6]

2. 为糖尿病患者生成提示词模板，固定提示词，便于用户选择适合自己的问题进行提问。

3. 针对不同患者询问的问题生成针对性强的个性化答案。

4. 可以向糖尿病患者提供供饮食建议、运动建议、药物治疗建议等多种建议。

1.4    本文的组织结构

本文一共分为七章

第一章，绪论。主要介绍了基于大语言模型的糖尿病健康分析助手的研究背景、意义、研究现状和内容

第二章，相关工作研究和技术介绍。介绍了当今世界在糖尿病健康管理方面所出现的辅助工具和在本系统开发中所用到的关键技术。

第三章，系统需求分析。深入探讨了基于大语言模型的糖尿病健康分析助手系统的需求，并且给出了业务流程图、数据流图和各功能模块的用例图和功能描述。

第四章，系统设计。本章包括了系统整体框架设计及各个功能模块的设计的流程和数据库设计。

第五章，系统实现。主要包括了系统主体代码实现的功能和系统效果的展示。

第六章，程序测试。本章描述了该系统的功能测试以及非功能测试。

第七章，总结。本章对该系统做出了总结。

第 2 章  相关工作研究和技术介绍

2.1    糖尿病管理辅助工具的研究现状

糖尿病是一种慢性代谢性疾病，对患者的生活和健康产生了重大影响。为了帮助糖尿病患者更好地管理疾病和提高生活质量，许多研究致力于开发糖尿病健康管理和辅助工具。这些工具涵盖了各个方面，包括数据监测、健康管理、营养指导、心理支持等多个方面，旨在提供全面的照护和支持。

以下是一些相关的研究成果和糖尿病健康管理工具：

（1）移动应用程序

许多研究致力于开发针对糖尿病患者的移动应用程序，用于记录血糖值、饮食、运动等信息，提供健康建议和警示。这些应用可以帮助患者监测自己的健康状况，管理饮食和药物，改善生活方式。

（2）在线健康门户网站

一些糖尿病健康管理工具提供在线健康门户网站，患者可以在网站上获取医疗信息、健康建议、交流社区支持等服务， 帮助他们更好地了解疾病和管理健康。

（3）智能设备

如连续血糖监测设备、胰岛素泵等，也被广泛应用于糖尿病管理中。这些设备可以实时监测血糖值、调节胰岛素用量，帮助患者更科学地管理疾病。

（4）人工智能助手

一些研究团队也尝试将人工智能技术应用于糖尿病健康管理领域，开发智能助手或聊天机器人来为患者提供个性化的健康建议和支持。

综合来看，研究中的糖尿病健康管理和辅助工具多样且应用广泛，涵盖了移动应用、在线平台、智能设备和人工智能等多个方面。这些工具的出现为糖尿病患者提供了更多选择和更便捷的健康管理方式，有助于提高患者的自我管理能力、减轻医疗资源压力，并改善疾病管理效果和患者生活质量。未来随着技术的不断发展和完善，糖尿病健康管理工具将持续演化和进步，为患者提供更好的照护和支持。

2.2    UniApp 简介

UniApp 是一个跨平台开发框架，它基于 Vue.js 开发，并结合了各个平台的特点和能力，使得开发者可以使用一套代码，轻松地将应用程序编译为多个平台的原生应用。

下面是 UniApp 的一些主要特点和优势：

（1）跨平台

UniApp 实现一次开发、多终端部署， 极大地提升了系统的运行速度。只需编写一组代码，就可以同时在各种不同的平台上运行，比如 iOS，安卓，H5，小程序。

（2）原生功能支持

UniApp 可以直接调用各个平台的原生功能和 API，提供了丰富的插件和扩展，使开发者可以充分利用各个平台的特色功能。

（3）构件化

UniApp 的开发方式是构件化，可以把网页拆分成若干个单独的构件，便于重用和维护。

（4）Vue.js 生态

在 Vue.js 的基础上，UniApp 能够充分发挥 Vue. js 的优势，开发人员可以使用 Vue.js 提供的数据绑定，构件化开发，快速升级等多种功能。

2.3    NLP 简介

自然语言处理（NLP）作为一种将文字转换成机器能够理解的文字，需要经过分词、词性标注、语法解析等工作。这种方法能够帮助机器对文字进行更深入的了解，进而更好的进行自然语言的处理。NLP 作为人工智能领域的一个重要分支，在数据采集系统的发展和研究中起到了关键作用。[7]

NLP 可以涉及多种任务和应用，包括但不限于以下内容：

（1）语言理解

实现机器对文本的自动识别，包括分词、词性标注、语法解析等。通过对不同类型的数据进行分析，使其具有较强的机器识别能力。

（2）言语产生

即由电脑实现自然语言文字的自动产生、会话产生等。利用语言产生的方法，使电脑能够模仿人的思考方式，产生出高品质的文字，从而达到更好的智能化服务。

（3）信息检索与问答

从大量的信息中检索相关内容，并提供准确的答案。这种技术广泛应用于搜索引擎和智能问答系统等领域，可以帮助人们快速获取所需信息。通过信息检索与问答技术，计算机可以理解人类的自然语言查询，从而高效地搜索和筛选出相关信息，并给出准确的回答。

（4）情感分析

分析和识别文本中的情感倾向，如情绪、态度、情感色彩等。

（5）语言模型

建立计算机能够理解语言结构和上下文的模型，可以生成或理解文本。

（6）文本分类与标注

是指对文本进行分类或打上标签，例如对垃圾邮件进行过滤、对文本进行分类等。这种技术可以帮助人们更好地理解和组织大量的文本信息，提高信息处理的效率。

（7）自然语言生成

将结构化数据转化为自然语言文本，如数据报告生成等。

该方法有助于对海量的结构化数据进行有效的认识与使用，从而提升其分析与决策的能力。在此基础上，利用自然语言产和其自身的特点与规则的方法， 自动地产生出与人类自然语言表述方式相适应的文字，使人类能够更好地对其进行分析与判断。该方法在数据分析， 商务智能，人工智能等方面有着广阔的用途。[8]

2.4    HBulider X 简介

HBuilder X 它基于Eclipse 开发环境，集成了HTML5、CSS3、JavaScript、Node.js等技术，同时支持多种主流开发框架，如 Vue 、React 、Angular 等。

HBuilder X 是一个很好的代码编辑、调试和封装的软件，它能够使开发人员更快地创建出高品质的程序。同时，该平台还支持 Java, PHP, Python 等多个开发语言，能够适应各种开发人员的需要。

2.5    Vue 简介

Vue 是一个 JavaScript 框架，用来建立用户接口。它以标准的 HTML, CSS, JavaScript 为基础，通过一系列的声明式，构件化的程序设计模式来帮助您更有效的进行用户界面的开发。不管是简单的或复杂的接口，Vue 都能胜任。

第 3 章  需求分析

3.1    可行性分析

3.1.1    技术可行性

基于大语言模型的糖尿病健康分析助手项目的技术可行性取决于现有的大语言模型技术和医学文本处理技术的发展水平。目前，大语言模型已经在多个领域取得了显著的成功，医学文本处理技术也在不断发展。因此，该项目的技术可行性较高。

3.1.2    经济可行性

本系统的开发成本低，投入的人力相对较少。具有实用性和可发展性，长期来看经济可行性高。维护本系统所需的人力资源资金投入较少且本系统可以为企业和个人带来实际的经济收益和效益。

3.1.3    操作可行性

基于大语言模型的糖尿病健康分析助手针对于单个用户，不会引起网络的拥挤与瘫痪。即使时年迈的用户在使用该系统时，也可以快速、准确的获取答案。

3.1.4    社会可行性

本系统所采用的技术及资料是完全法律的，所引述的内容都已标明且合乎规范，所引用的资料等也都是按照规范进行的。本软件为作者自主创造的作品，不构成侵权行为。

3.2    系统性能分析

该系统的开发需要考虑到以下几个关键点：

（1）安全性与稳定性

该系统具有较高的安全性与稳定性，以保证使用者资料及资讯的安全性及机密性，并要求其能持续稳定地运作，不易发生失效或死机。

（2）资料的精确性及连贯性

本研究之目的在于保证资料之正确及持续，使使用者可以得到正确的资料与成果。为了保证数据的准确、完整，必须建立一套高效的数据管理与处理方法。

（3）即时反应

要求该系统具有迅速反应的功能，这样才能让使用者即时得到所需的资讯与成果，并提供有效的资料处理与互动机制，确保使用者的良好操作。

（4）网页的美感

网页的设计要有很好的互动性，这样才能让使用者更容易的操作，也让使用者有一个愉快的经验。

3.3    业务流程分析

3.3.1    业务主要目标

基于大语言模型的糖尿病健康分析助手设计与实现业务的主要目标是为糖尿病患者生成个性化的糖尿病健康管理建议，帮助患者更好的控制病情和提高生活质量。并且可以针对糖尿病患者提问率高的问题生成提示词，以便于糖尿病患者能够更加准确的提问出自己所需要解答的问题。

3.3.2    业务流程图

通过业务流程图，我们可以更清晰的了解该系统的业务流程和运作过程，从而更好地进行业务流程的设计和优化。

开始时，用户进入该系统时需要先进入 web 程序，当正常进入网页向系统询问有关糖尿病方面的问题时需要选择是否用提示词进行询问，如果选择用提示词进行询问，则系统会根据提示词列出的问题来进行回答；当用户不选择用提示词而是直接在搜索框中直接询问时，系统会根据用户自己输入的问题来进行解答，并生成相关答案。最后结束该业务流程。

下面是基于大语言模型的糖尿病健康分析助手的业务流程图：

图 3.1    业务流程图