PriHA：香港初级保健助理的 RAG 增强型 LLM 框架

为应对公共卫生开支不可持续的增长，香港特区政府正将策略重点转向基层医疗，并鼓励市民利用社区资源自我管理健康。然而，官方临床指南分散在不同的部门和格式中，造成了巨大的准入障碍。虽然 ChatGPT 和 DeepSeek 等通用 大语言模型 (LLM) 为信息可访问性提供了潜在的解决方案，但由于缺乏本地化和特定领域的知识，它们很容易生成不准确的内容。为此，我们建议采用检索增强生成增强型 LLM 系统作为香港的初级保健助理 (PriHA)。具体来说，提出了一个三阶段管道，利用查询优化器来概括用户意图导向的子查询，然后是一种新颖的双重检索增强生成（DRAG）架构，用于混合源检索和上下文重组生成。全面的实验和详细的案例研究表明，我们提出的方法在准确性和清晰度方面可以优于消融和基线。我们的研究为探索其他高风险、本地化的应用场景提供了可靠、可追溯的对话检索框架。