当前位置：首页 > news >正文

项目一系列-第9章集成AI千帆大模型

news 2025/8/30 6:12:12

第9章集成AI千帆大模型

学习目标

能够说清楚健康评估模块在项目中的作用
能够掌握千帆大模型的开通和对接
能够掌握健康评估模块中的prompt提示词编写
能够自主完成健康评估模块的接口开发

分析设计

需求说明

健康评估是指老人办理入住前需上传体检报告，由AI自动进行分析，并对报告进行总结，同时给出合理的建议；

下图是健康评估列表页，展示了经过健康评估的老人列表。

在这里插入图片描述

当点击了上传体检报告按钮之后会弹窗，效果如下，需要输入信息，需要提前准备好老人的体检报告(PDF格式)

点击确定按钮之后，会使用AI对老人的健康报告进行评估

在这里插入图片描述

下图是健康评估的详情页面，是使用AI分析后的结果页，给了很多的数据，可以让护理员或销售人员来查看老人的健康状况，进一步更好的服务老人或者给老人推荐一些护理服务。

在这里插入图片描述

表结构说明

基于需求原型，咱们可以确定健康评估表（health_assessment）如下建表语句：

CREATE TABLE "health_assessment" ("id" bigint NOT NULL AUTO_INCREMENT COMMENT '主键',"elder_name" varchar(255) DEFAULT NULL COMMENT '老人姓名',"id_card" varchar(255) DEFAULT NULL COMMENT '身份证号',"birth_date" datetime DEFAULT NULL COMMENT '出生日期',"age" int DEFAULT NULL COMMENT '年龄',"gender" int DEFAULT NULL COMMENT '性别(0:男，1:女)',"health_score" varchar(255) DEFAULT NULL COMMENT '健康评分',"risk_level" varchar(255) DEFAULT NULL COMMENT '危险等级(健康, 提示, 风险, 危险, 严重危险)',"suggestion_for_admission" int DEFAULT NULL COMMENT '是否建议入住(0:建议，1:不建议)',"nursing_level_name" varchar(255) DEFAULT NULL COMMENT '推荐护理等级',"admission_status" int DEFAULT NULL COMMENT '入住情况(0:已入住，1:未入住)',"total_check_date" varchar(64) DEFAULT NULL COMMENT '总检日期',"physical_exam_institution" varchar(255) DEFAULT NULL COMMENT '体检机构',"physical_report_url" varchar(255) DEFAULT NULL COMMENT '体检报告URL链接',"assessment_time" datetime DEFAULT NULL COMMENT '评估时间',"report_summary" text COMMENT '报告总结',"disease_risk" text COMMENT '疾病风险',"abnormal_analysis" text COMMENT '异常分析',"system_score" varchar(255) DEFAULT NULL COMMENT '健康系统分值',"create_by" varchar(255) DEFAULT NULL COMMENT '创建者',"create_time" datetime DEFAULT NULL COMMENT '创建时间',"update_by" varchar(255) DEFAULT NULL COMMENT '更新者',"update_time" datetime DEFAULT NULL COMMENT '更新时间',"remark" text COMMENT '备注',PRIMARY KEY ("id")
) ENGINE=InnoDB AUTO_INCREMENT=7 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='健康评估表';

特别字段说明：

abnormal_analysis(异常分析) 这个字段是字符串类型，会把异常数据转换为json进行存储

接口说明

基于需求说明，在健康评估这个模块中，共有4个接口需要开发，分别是

列表查询-模板生成
上传体检报告-手动编写
智能评测-手动编写
查看详情-模板生成

实现方案

整体实现流程如下：

在这里插入图片描述

读取PDF文件内容

市面有很多工具类，咱们可以直接使用，目前选择的是Apache PDFBox

Apache PDFBox库是一个用于处理PDF文档的开源Java工具。该项目允许创建新的PDF文档，编辑现有的文档，以及从文档中提取内容。

导入对应的依赖，在zzyl-common模块中导入以下依赖：

<!--pdf工具包-->
<dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.24</version>
</dependency>

创建工具类，通过pdf文件来读取内容，工具类路径：zzyl-common模块下的com.zzyl.common.utils.PDFUtil

package com.zzyl.common.utils;import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;import java.io.File;
import java.io.IOException;
import java.io.InputStream;public class PDFUtil {public static String pdfToString(InputStream inputStream) {PDDocument document = null;try {// 加载PDF文档document = PDDocument.load(inputStream);// 创建一个PDFTextStripper实例来提取文本PDFTextStripper pdfStripper = new PDFTextStripper();// 从PDF文档中提取文本String text = pdfStripper.getText(document);return text;} catch (IOException e) {e.printStackTrace();} finally {// 关闭PDF文档if (document != null) {try {document.close();inputStream.close();} catch (IOException e) {e.printStackTrace();}}}return null;}
}

测试：找一个pdf文档来读取里面的内容为字符串

package com.nursing.test;import com.zzyl.common.utils.PDFUtil;import java.io.FileInputStream;
import java.io.FileNotFoundException;public class PDFUtilTest {public static void main(String[] args) throws FileNotFoundException {FileInputStream fileInputStream = new FileInputStream("C:\\tmp\\体检报告-刘爱国-男-69岁.pdf");String result = PDFUtil.pdfToString(fileInputStream);System.out.println(result);}
}

百度智能云AI集成

选择合适的AI

咱们的需求中，prompt是比较多的，也就是说需要更多的token，对话Chat V2支持的模型列表如下：

https://cloud.baidu.com/doc/WENXINWORKSHOP/s/wm7ltcvgc

经过综合评估，咱们本次采用的是ERNIE-4.0-8K

官方地址：https://cloud.baidu.com/doc/WENXINWORKSHOP/s/clntwmv7t

ERNIE 4.0是百度自研的旗舰级超大规模⼤语⾔模型，相较ERNIE 3.5实现了模型能力全面升级，广泛适用于各领域复杂任务场景；支持自动对接百度搜索插件，保障问答信息时效，支持5K tokens输入+2K tokens输出。

对话模型，一次请求就是一次对话
提供了java的sdk调用，地址：https://cloud.baidu.com/doc/qianfan-docs/s/nm9l6oc8e
支持单轮对话、多轮对话、流式
部分关键的参数：https://cloud.baidu.com/doc/qianfan-api/s/3m7of64lb
返回参数：result可以获取对话返回的结果

集成准备步骤

1）注册和实名认证百度智能云

2）创建应用

2.1）访问千帆大模型，地址：https://qianfan.cloud.baidu.com/

2.2）点击大模型服务与开发平台ModelBuilder**，**可以进入到管理平台

在这里插入图片描述

2.3）进入管理平台后，找到应用接入，点击创建应用按钮。

2.4）创建一个新的API Key

3）项目集成

3.1）在父工程pom.xml文件中统一管理依赖的版本：

<properties><openai-java.version>2.8.1</openai-java.version><kotlin.version>1.9.23</kotlin.version><jackson.version>2.16.1</jackson.version><okhttp.version>4.12.0</okhttp.version>
</properties><dependencies><!-- 千帆AI --><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-bom</artifactId><version>${kotlin.version}</version><scope>import</scope><type>pom</type></dependency><!-- Kotlin Standard Library --><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib</artifactId><version>${kotlin.version}</version></dependency><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-reflect</artifactId><version>${kotlin.version}</version></dependency><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk8</artifactId><version>${kotlin.version}</version></dependency><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk7</artifactId><version>${kotlin.version}</version></dependency><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-databind</artifactId><version>${jackson.version}</version></dependency><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-core</artifactId><version>${jackson.version}</version></dependency><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-annotations</artifactId><version>${jackson.version}</version></dependency><dependency><groupId>com.fasterxml.jackson.datatype</groupId><artifactId>jackson-datatype-jdk8</artifactId><version>${jackson.version}</version></dependency><dependency><groupId>com.fasterxml.jackson.datatype</groupId><artifactId>jackson-datatype-jsr310</artifactId><version>${jackson.version}</version></dependency><dependency><groupId>com.fasterxml.jackson.module</groupId><artifactId>jackson-module-kotlin</artifactId><version>${jackson.version}</version></dependency><dependency><groupId>com.openai</groupId><artifactId>openai-java</artifactId><version>${openai-java.version}</version></dependency><dependency><groupId>com.squareup.okhttp3</groupId><artifactId>okhttp</artifactId><version>${okhttp.version}</version></dependency>
</dependencies>

3.2）在common模块的pom.xml文件中引入openai-java的依赖，并排除有版本冲突的依赖然后重新引入

<!-- 千帆AI -->
<dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-core</artifactId>
</dependency><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-annotations</artifactId>
</dependency><dependency><groupId>com.fasterxml.jackson.datatype</groupId><artifactId>jackson-datatype-jdk8</artifactId>
</dependency><dependency><groupId>com.fasterxml.jackson.datatype</groupId><artifactId>jackson-datatype-jsr310</artifactId>
</dependency><dependency><groupId>com.fasterxml.jackson.module</groupId><artifactId>jackson-module-kotlin</artifactId><exclusions><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-reflect</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk7</artifactId></exclusion></exclusions>
</dependency><!--MyBatisPlus再AI集成中要排除有版本冲突的依赖-->
<!--MyBatisPlus-->
<dependency><groupId>com.baomidou</groupId><artifactId>mybatis-plus-boot-starter</artifactId><exclusions><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-reflect</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk7</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk8</artifactId></exclusion></exclusions>
</dependency><dependency><groupId>com.squareup.okhttp3</groupId><artifactId>okhttp</artifactId>
</dependency><dependency><groupId>com.openai</groupId><artifactId>openai-java</artifactId><exclusions><exclusion><groupId>com.squareup.okhttp3</groupId><artifactId>okhttp</artifactId></exclusion><exclusion><groupId>com.squareup.okio</groupId><artifactId>okio</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk7</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk8</artifactId></exclusion><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-reflect</artifactId></exclusion></exclusions>
</dependency><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk7</artifactId>
</dependency><!-- Kotlin Standard Library -->
<dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib</artifactId>
</dependency><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-reflect</artifactId>
</dependency><dependency><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk8</artifactId><exclusions><exclusion><groupId>org.jetbrains.kotlin</groupId><artifactId>kotlin-stdlib-jdk7</artifactId></exclusion></exclusions>
</dependency>

3.3)参考官方示例（https://cloud.baidu.com/doc/qianfan-docs/s/nm9l6oc8e）编写测试方法来学习

package com.zzyl;import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.ResponseFormatJsonObject;
import com.openai.models.chat.completions.ChatCompletion;
import com.openai.models.chat.completions.ChatCompletionCreateParams;public class QianfanAIModelTest {public static void main(String[] args) {OpenAIClient client = OpenAIOkHttpClient.builder().apiKey("bce-v3/ALTAK-6TGebWXMraNYDUsJdvwoh/61483266642b4a18108057ce85a900850d4b7715") //将your_APIKey替换为真实值，如何获取API Key请查看https://cloud.baidu.com/doc/WENXINWORKSHOP/s/Um2wxbaps#步骤二-获取api-key.baseUrl("https://qianfan.baidubce.com/v2/") //千帆ModelBuilder平台地址.build();ChatCompletionCreateParams params = ChatCompletionCreateParams.builder().addUserMessage("你是谁？") // 对话messages信息.model("ernie-4.0-8k") // 模型对应的model值，请查看支持的模型列表：https://cloud.baidu.com/doc/WENXINWORKSHOP/s/wm7ltcvgc
//                .responseFormat(ChatCompletionCreateParams.ResponseFormat.ofJsonObject(ResponseFormatJsonObject.builder().build())).build();ChatCompletion chatCompletion = client.chat().completions().create(params);System.out.println(chatCompletion.choices().get(0).message().content().orElseGet(() -> ""));}
}

代码的apiKey要换成自己的

后续再接口开发中就要将AI集成到项目中。

接口开发

先用若依跟据表结构生成基础代码，便于后续代码的改造开发。

该项目主要有两个接口需要开发，上传体检报告和保存智能评测（AI生成评测数据）。

上传体检报告

为什么要有单独的文件上传接口，因为这个接口还有将数据添加到缓存的步骤。

可以由原先的通用上传接口改造。

在功能模块的pom.xml文件下：

<!-- 阿里云OSS -->
<dependency><groupId>com.zzyl</groupId><artifactId>zzyl-oss</artifactId>
</dependency>

工具类要存在common模块的utils包下：

package com.zzyl.common.utils;import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;import java.io.File;
import java.io.IOException;
import java.io.InputStream;public class PDFUtil {public static String pdfToString(InputStream inputStream) {PDDocument document = null;try {// 加载PDF文档document = PDDocument.load(inputStream);// 创建一个PDFTextStripper实例来提取文本PDFTextStripper pdfStripper = new PDFTextStripper();// 从PDF文档中提取文本String text = pdfStripper.getText(document);return text;} catch (IOException e) {e.printStackTrace();} finally {// 关闭PDF文档if (document != null) {try {document.close();inputStream.close();} catch (IOException e) {e.printStackTrace();}}}return null;}
}

该工具类要生效确保pdf工具包依赖已经引入。

在控制层：

@Autowired
private AliyunOSSOperator aliyunOSSOperator;@Autowired
private RedisTemplate<String, String> redisTemplate;
/**
* 通用上传请求（单个）
*/             
@ApiOperation("上传体检报告")
@PostMapping("/upload")
public AjaxResult uploadFile(MultipartFile file, String idCardNo) throws Exception
{try {// 上传到OSSString url = aliyunOSSOperator.upload(file.getBytes(), file.getOriginalFilename());AjaxResult ajax = AjaxResult.success();ajax.put("url", url);ajax.put("fileName", url);ajax.put("newFileName", url.substring(url.lastIndexOf("/")));ajax.put("originalFilename", file.getOriginalFilename());// PDF文件内容读取为字符串String content = PDFUtil.pdfToString(file.getInputStream());// 临时存储到redis中redisTemplate.opsForHash().put(CacheConstants.HEALTH_REPORT_ALL_KEY, idCardNo, content);return ajax;} catch (Exception e) {return AjaxResult.error(e.getMessage());}
}

保存智能评测（AI生成评测数据）

设计Prompt

Prompt的构成部分：

角色：给 AI 定义一个最匹配任务的角色，比如：「你是一位软件工程师」「你是一位小学老师」
指示：对任务进行描述
上下文：给出与任务相关的其它背景信息（尤其在多轮交互中）
例子：必要时给出举例，[实践证明例子对输出正确性有帮助]
输入：任务的输入信息；在提示词中明确的标识出输入

输出：输出的格式描述，以便后继模块自动解析模型的输出结果，比如（JSON、Java）

设计Prompt提示词，因为涉及了大量的专业名词和健康指标，实际开发中需要找产品经理协助

请以一个专业医生的视角来分析这份体检报告，报告中包含了一些异常数据，我需要您对这些数据进行解读，并给出相应的健康建议。
体检内容如下：内容略....要求：
1. 提取体检报告中的“总检日期”；
2. 通过临床医学、疾病风险评估模型和数据智能分析，给该用户的风险等级和健康指数给出结果。风险等级分为：健康、提示、风险、危险、严重危险。健康指数范围为0至100分；
3. 根据用户身体各项指标数据，详细说明该用户各项风险等级的占比是多少，最多保留两位小数。结论格式：该用户健康占比20.00%，提示占比20.00%，风险占比20%，危险占比20%，严重危险占比20%；
4. 对于体检报告中的异常数据，请列出（异常数据的结论、体检项目名称、检查结果、参考值、单位、异常解读、建议）这7字段。解读异常数据，解决这些数据可能代表的健康问题或风险。分析可能的原因，包括但不限于生活习惯、饮食习惯、遗传因素等。基于这些异常数据和可能的原因，请给出具体的健康建议，包括饮食调整、运动建议、生活方式改变以及是否需要进一步检查或治疗等。
结论格式：异常数据的结论：肥胖，体检项目名称：体重指数BMI，检查结果：29.2，参考值>24，单位：-。异常解读：体重超标包括超重与肥胖。体重指数（BMI）=体重（kg）/身⾼（m）的平⽅，BMI≥24为超重，BMI≥28为肥胖；男性腰围≥90cm和⼥性腰围≥85cm为腹型肥胖。体重超标是⼀种由多因素（如遗传、进⻝油脂较多、运动少、疾病等）引起的慢性代谢性疾病，尤其是肥胖，已经被世界卫⽣组织列为导致疾病负担的⼗⼤危险因素之⼀。AI建议：采取综合措施预防和控制体重，积极改变⽣活⽅式，宜低脂、低糖、⾼纤维素膳⻝，多⻝果蔬及菌藻类⻝物，增加有氧运动。若有相关疾病（如⾎脂异常、⾼⾎压、糖尿病等）应积极治疗。
5. 根据这个体检报告的内容，分别给人体的8大系统打分，每项满分为100分，8大系统分别为：呼吸系统、消化系统、内分泌系统、免疫系统、循环系统、泌尿系统、运动系统、感官系统
6. 给体检报告做一个总结，总结格式：体检报告中尿蛋⽩、癌胚抗原、⾎沉、空腹⾎糖、总胆固醇、⽢油三酯、低密度脂蛋⽩胆固醇、⾎清载脂蛋⽩B、动脉硬化指数、⽩细胞、平均红细胞体积、平均⾎红蛋⽩共12项指标提示异常，尿液常规共1项指标处于临界值，⾎脂、⾎液常规、尿液常规、糖类抗原、⾎清酶类等共43项指标提示正常，综合这些临床指标和数据分析：肾脏、肝胆、⼼脑⾎管存在隐患，其中⼼脑⾎管有“⾼危”⻛险；肾脏部位有“中危”⻛险；肝胆部位有“低危”⻛险。输出要求：
最后，将以上结果输出为纯JSON格式，不要包含其他的文字说明，也不要出现Markdown语法相关的文字，所有的返回结果都是json，详细格式如下：{"totalCheckDate": "YYYY-MM-DD","healthAssessment": {"riskLevel": "healthy/caution/risk/danger/severeDanger","healthIndex": XX.XX},"riskDistribution": {"healthy": XX.XX,"caution": XX.XX,"risk": XX.XX,"danger": XX.XX,"severeDanger": XX.XX},"abnormalData": [{"conclusion": "异常数据的结论","examinationItem": "体检项目名称","result": "检查结果","referenceValue": "参考值","unit": "单位","interpret":"对于异常的结论进一步详细的说明","advice":"针对于这一项的异常，给出一些健康的建议"}],"systemScore": {"breathingSystem": XX,"digestiveSystem": XX,"endocrineSystem": XX,"immuneSystem": XX,"circulatorySystem": XX,"urinarySystem": XX,"motionSystem": XX,"senseSystem": XX},"summarize": "体检报告的总结"
}

功能编写步骤

当用户上传体检报告之后，点击确定，就会触发智能评测的调用。

1）一些可变的参数，在application.yml文件中定义：

# 百度千帆大模型配置
baidu:qianfan:apiKey: bce-v3/ALTAK-6H6k7kuLyTmZPBmOJ2ajC/2520d4ad36847715153ca819932f1d854bb9e71f（换成自己的apiKey）baseUrl: https://qianfan.baidubce.com/v2/model: ernie-4.0-8k

2）在zzyl-common模块下定义工具类：

2.2）在zzyl-common模块下定义BaiduAIProperties配置类和AIModelInvoker工具类：

com.zzyl.common.ai.BaiduAIProperties配置类：

package com.zzyl.common.ai;import lombok.Data;
import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.context.annotation.Configuration;@Data
@Configuration
@ConfigurationProperties(prefix = "baidu.qianfan")
public class BaiduAIProperties {private String apiKey;private String baseUrl;private String model;
}

com.zzyl.common.ai.AIModelInvoker工具类：

package com.zzyl.common.ai;import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.ResponseFormatJsonObject;
import com.openai.models.chat.completions.ChatCompletion;
import com.openai.models.chat.completions.ChatCompletionCreateParams;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;@Component
@Slf4j
public class AIModelInvoker {@Autowiredprivate BaiduAIProperties baiduAIProperties;public String qianfanInvoker(String prompt) {OpenAIClient client = OpenAIOkHttpClient.builder().apiKey(baiduAIProperties.getApiKey()).baseUrl(baiduAIProperties.getBaseUrl()).build();ChatCompletionCreateParams params = ChatCompletionCreateParams.builder().addUserMessage(prompt).model(baiduAIProperties.getModel()).responseFormat(ChatCompletionCreateParams.ResponseFormat.ofJsonObject(ResponseFormatJsonObject.builder().build())).build();ChatCompletion chatCompletion = client.chat().completions().create(params);return chatCompletion.choices().get(0).message().content().orElseGet(() -> "");}
}

2.2）跟据身份证提取个人信息的IDCardUtils工具类

package com.zzyl.common.utils;import java.time.LocalDate;
import java.time.LocalDateTime;
import java.time.LocalTime;
import java.time.Period;
import java.time.format.DateTimeFormatter;public final class IDCardUtils {// 私有构造器，防止实例化private IDCardUtils() {throw new AssertionError("Cannot instantiate static class IDCardUtils");}/*** 根据身份证号提取个人年龄。** @param idCard 身份证号码* @return 个人年龄，数值类型*/public static int getAgeByIdCard(String idCard) {LocalDate birthDate = extractBirthDate(idCard);if (birthDate != null) {LocalDate currentDate = LocalDate.now();return Period.between(birthDate, currentDate).getYears();}throw new IllegalArgumentException("Invalid ID card number.");}/*** 根据身份证号提取出生日期。** @param idCard 身份证号码* @return 出生日期，LocalDateTime类型*/public static LocalDateTime getBirthDateByIdCard(String idCard) {String birthDateString = idCard.substring(6, 14); // 身份证号码中的出生日期部分DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyyMMdd");LocalDate birthDate = LocalDate.parse(birthDateString, formatter);return LocalDateTime.of(birthDate, LocalTime.MIDNIGHT);}/*** 根据身份证号提取性别。** @param idCard 身份证号码* @return 性别，0表示女性，1表示男性*/public static int getGenderFromIdCard(String idCard) {if (idCard == null || idCard.length() != 18) {throw new IllegalArgumentException("Invalid ID card number");}String genderCode = idCard.substring(16, 17);int gender = Integer.parseInt(genderCode);return gender % 2 == 0 ? 0 : 1;}/*** 内部辅助方法，从身份证号中提取出生日期的LocalDate对象。** @param idCard 身份证号码* @return 出生日期的LocalDate对象，或null（如果身份证号码无效）*/private static LocalDate extractBirthDate(String idCard) {if (idCard == null || idCard.length() != 18) {return null;}try {String birthStr = idCard.substring(6, 14);DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyyMMdd");return LocalDate.parse(birthStr, formatter);} catch (Exception e) {return null;}}public static void main(String[] args) {System.out.println(getAgeByIdCard("330103199001011234"));System.out.println(getBirthDateByIdCard("330103199001011234"));}
}

3）改造MVC代码

3.1）修改IHealthAssessmentService中的insertHealthAssessment方法，把返回值类型替换为Long

/*** 新增健康评估* * @param healthAssessment 健康评估* @return 结果*/
public Long insertHealthAssessment(HealthAssessment healthAssessment);

3.2）实现类中的返回值类型也要改为Long，并且按照思路来编写业务代码

最终代码如下：

@Autowired
private RedisTemplate<String, String> redisTemplate;@Autowired
private AIModelInvoker aiModelInvoker;/*** 新增健康评估* * @param healthAssessment 健康评估* @return 结果*/
@Override
public Long insertHealthAssessment(HealthAssessment healthAssessment)
{// 1.设计Prompt提示词（需要从Redis中读取当前身份证号对应的体检报告）String prompt = getPrompt(healthAssessment.getIdCard());// 2.调用百度千帆大模型，分析体检报告，获取分析结果String qianfanResult = aiModelInvoker.qianfanInvoker(prompt);// 3.将分析结果保存到数据库中，并返回保存的这条记录的id// 将大模型返回的字符串解析为对象，方便取数据HealthReportVo healthReportVo = JSON.parseObject(qianfanResult, HealthReportVo.class);return saveHealthAssessment(healthReportVo, healthAssessment);
}/*** 保存大模型返回的结果和前端传递的老人信息到数据库* @param healthReportVo        千帆大模型返回的结果* @param healthAssessment      老人基本信息* @return  记录的id*/
private Long saveHealthAssessment(HealthReportVo healthReportVo, HealthAssessment healthAssessment) {// 老人身份证号String idCard = healthAssessment.getIdCard();healthAssessment.setBirthDate(IDCardUtils.getBirthDateByIdCard(idCard));healthAssessment.setAge(IDCardUtils.getAgeByIdCard(idCard));healthAssessment.setGender(IDCardUtils.getGenderFromIdCard(idCard));// 健康评分double healthScore = healthReportVo.getHealthAssessment().getHealthIndex();healthAssessment.setHealthScore(String.valueOf(healthScore));// 风险等级healthAssessment.setRiskLevel(healthReportVo.getHealthAssessment().getRiskLevel());// 通过健康评分判断是否建议入住healthAssessment.setSuggestionForAdmission(healthScore >= 60 ? 0 : 1);// 通过健康评分计算一个推荐的护理等级String nursingLevelName = getLevelNameByHealthScore(healthScore);healthAssessment.setNursingLevelName(nursingLevelName);// 统一先设置未入住healthAssessment.setAdmissionStatus(1);// 总检日期healthAssessment.setTotalCheckDate(healthReportVo.getTotalCheckDate());healthAssessment.setAssessmentTime(LocalDateTime.now());// 报告总结healthAssessment.setReportSummary(healthReportVo.getSummarize());// 疾病风险分布healthAssessment.setDiseaseRisk(JSON.toJSONString(healthReportVo.getRiskDistribution()));// 异常分析healthAssessment.setAbnormalAnalysis(JSON.toJSONString(healthReportVo.getAbnormalData()));// 八大系统评分healthAssessment.setSystemScore(JSON.toJSONString(healthReportVo.getSystemScore()));healthAssessmentMapper.insert(healthAssessment);return healthAssessment.getId();
}private String getLevelNameByHealthScore(double healthScore) {if (healthScore > 100 || healthScore < 0) {throw new BaseException("健康评分值不合法");}if (healthScore >= 90) {return "四级护理等级";} else if (healthScore >= 80) {return "三级护理等级";} else if (healthScore >= 70) {return "二级护理等级";} else if (healthScore >= 60) {return "一级护理等级";} else {return "特级护理等级";}
}/*** 获取Prompt提示词* @param idCard    身份证号* @return  提示词*/
private String getPrompt(String idCard) {// 获取文件中的内容String content = (String) redisTemplate.opsForHash().get("healthReport", idCard);// 判断是否为空if (StringUtils.isEmpty(content)) {throw new BaseException("文件提取内容失败，请重新上传提交报告");}String prompt = "请以一个专业医生的视角来分析这份体检报告，报告中包含了一些异常数据，我需要您对这些数据进行解读，并给出相应的健康建议。\n" +"体检内容如下：\n" +content + "    \n" +"\n" +"要求：\n" +"1. 提取体检报告中的“总检日期”；\n" +"2. 通过临床医学、疾病风险评估模型和数据智能分析，给该用户的风险等级和健康指数给出结果。风险等级分为：健康、提示、风险、危险、严重危险。健康指数范围为0至100分；\n" +"3. 根据用户身体各项指标数据，详细说明该用户各项风险等级的占比是多少，最多保留两位小数。结论格式：该用户健康占比20.00%，提示占比20.00%，风险占比20%，危险占比20%，严重危险占比20%；\n" +"4. 对于体检报告中的异常数据，请列出（异常数据的结论、体检项目名称、检查结果、参考值、单位、异常解读、建议）这7字段。解读异常数据，解决这些数据可能代表的健康问题或风险。分析可能的原因，包括但不限于生活习惯、饮食习惯、遗传因素等。基于这些异常数据和可能的原因，请给出具体的健康建议，包括饮食调整、运动建议、生活方式改变以及是否需要进一步检查或治疗等。\n" +"结论格式：异常数据的结论：肥胖，体检项目名称：体重指数BMI，检查结果：29.2，参考值>24，单位：-。异常解读：体重超标包括超重与肥胖。体重指数（BMI）=体重（kg）/身⾼（m）的平⽅，BMI≥24为超重，BMI≥28为肥胖；男性腰围≥90cm和⼥性腰围≥85cm为腹型肥胖。体重超标是⼀种由多因素（如遗传、进⻝油脂较多、运动少、疾病等）引起的慢性代谢性疾病，尤其是肥胖，已经被世界卫⽣组织列为导致疾病负担的⼗⼤危险因素之⼀。AI建议：采取综合措施预防和控制体重，积极改变⽣活⽅式，宜低脂、低糖、⾼纤维素膳⻝，多⻝果蔬及菌藻类⻝物，增加有氧运动。若有相关疾病（如⾎脂异常、⾼⾎压、糖尿病等）应积极治疗。\n" +"5. 根据这个体检报告的内容，分别给人体的8大系统打分，每项满分为100分，8大系统分别为：呼吸系统、消化系统、内分泌系统、免疫系统、循环系统、泌尿系统、运动系统、感官系统\n" +"6. 给体检报告做一个总结，总结格式：体检报告中尿蛋⽩、癌胚抗原、⾎沉、空腹⾎糖、总胆固醇、⽢油三酯、低密度脂蛋⽩胆固醇、⾎清载脂蛋⽩B、动脉硬化指数、⽩细胞、平均红细胞体积、平均⾎红蛋⽩共12项指标提示异常，尿液常规共1项指标处于临界值，⾎脂、⾎液常规、尿液常规、糖类抗原、⾎清酶类等共43项指标提示正常，综合这些临床指标和数据分析：肾脏、肝胆、⼼脑⾎管存在隐患，其中⼼脑⾎管有“⾼危”⻛险；肾脏部位有“中危”⻛险；肝胆部位有“低危”⻛险。\n" +"\n" +"输出要求：\n" +"最后，将以上结果输出为纯JSON格式，不要包含其他的文字说明，也不要出现Markdown语法相关的文字，所有的返回结果都是json，详细格式如下：\n" +"\n" +"{\n" +"  \"totalCheckDate\": \"YYYY-MM-DD\",\n" +"  \"healthAssessment\": {\n" +"    \"riskLevel\": \"healthy/caution/risk/danger/severeDanger\",\n" +"    \"healthIndex\": XX.XX\n" +"  },\n" +"  \"riskDistribution\": {\n" +"    \"healthy\": XX.XX,\n" +"    \"caution\": XX.XX,\n" +"    \"risk\": XX.XX,\n" +"    \"danger\": XX.XX,\n" +"    \"severeDanger\": XX.XX\n" +"  },\n" +"  \"abnormalData\": [\n" +"    {\n" +"      \"conclusion\": \"异常数据的结论\",\n" +"      \"examinationItem\": \"体检项目名称\",\n" +"      \"result\": \"检查结果\",\n" +"      \"referenceValue\": \"参考值\",\n" +"      \"unit\": \"单位\",\n" +"      \"interpret\":\"对于异常的结论进一步详细的说明\",\n" +"      \"advice\":\"针对于这一项的异常，给出一些健康的建议\"\n" +"    }\n" +"  ],\n" +"  \"systemScore\": {\n" +"    \"breathingSystem\": XX,\n" +"    \"digestiveSystem\": XX,\n" +"    \"endocrineSystem\": XX,\n" +"    \"immuneSystem\": XX,\n" +"    \"circulatorySystem\": XX,\n" +"    \"urinarySystem\": XX,\n" +"    \"motionSystem\": XX,\n" +"    \"senseSystem\": XX\n" +"  },\n" +"  \"summarize\": \"体检报告的总结\"\n" +"}";return prompt;
}

Vo可跟据Json格式生成并编写严格的提示词生成。

HealthReportVo值对象：

package com.zzyl.nursing.vo;import lombok.Data;import java.util.List;/*** 体检报告* @author itheima*/
@Data
public class HealthReportVo {/*** 体检日期*/private String totalCheckDate;/*** 健康评估*/private HealthAssessmentVo healthAssessment;/*** 风险分布*/private RiskDistributionVo riskDistribution;/*** 异常数据列表*/private List<AbnormalDataVo> abnormalData;/*** 健康系统分值*/private SystemScore systemScore;/*** 综合总结*/private String summarize;
}

HealthAssessmentVo值对象：

package com.zzyl.nursing.vo;import lombok.Data;/***  健康评估类* @author itheima*/
@Data
public class HealthAssessmentVo {/*** 健康风险等级*/private String riskLevel;/*** 健康指数*/private double healthIndex;}

AbnormalDataVo值对象：

package com.zzyl.nursing.vo;import lombok.Data;/*** 异常数据类* @author itheima*/
@Data
public class AbnormalDataVo {/*** 结论*/private String conclusion;/*** 检查项目*/private String examinationItem;/*** 结果*/private String result;/*** 参考值*/private String referenceValue;/*** 单位*/private String unit;/*** 结果解释*/private String interpret;/*** 建议*/private String advice;}

RiskDistributionVo值对象：

package com.zzyl.nursing.vo;import lombok.Data;/*** 风险分布类* @author itheima*/
@Data
public class RiskDistributionVo {/*** 健康*/private double healthy;/*** 警告*/private double caution;/*** 风险*/private double risk;/*** 危险*/private double danger;/*** 严重危险*/private double severeDanger;}

SystemScore值对象：

package com.zzyl.nursing.vo;import lombok.Data;@Data
public class SystemScore {/*** 呼吸系统*/private int breathingSystem;/*** 消化系统*/private int digestiveSystem;/*** 内分泌系统*/private int endocrineSystem;/*** 免疫系统*/private int immuneSystem;/*** 循环系统*/private int circulatorySystem;/*** 泌尿系统*/private int urinarySystem;/*** 感觉系统*/private int motionSystem;/*** 感官系统*/private int senseSystem;
}