【免费下载链接】mirobodyTurn scattered health data into answers you can trace. Self-hosted AI health data engine for lab reports, wearables and genetics, with a built-in MCP server. Run it with Docker and one LLM key, or keep every model local on llama.cpp.项目地址https://gitcode.com/gh_mirrors/mi/mirobody点击查看免费下载Mirobody 是一款自托管的 AI 健康数据引擎能把化验单、可穿戴设备和基因数据汇成一份可追溯的标准化医学记录。它的 AI 健康日记让你用一句话输入昨晚头疼血压150/95没发烧症状自动获得 ICPC-3 编码、数值获得 LOINC 编码而没发烧永远不会被记成发烧。本文带你拆解 Mirobody 健康日记的工作原理并用几分钟跑起来。Mirobody AI健康日记能做什么一句话记录症状、数值和用药打开 Mirobody 的「数据 › 记录」页输入框只有一句话的提示写什么都行比如我头疼血压150/95每天早晚吃二甲双胍500mg午饭吃了面。提交后系统把这句话拆成若干条目各自落入对应的记录你写的变成了什么头疼一条症状记录编码NS01ICPC-3血压150/95两条读数收缩压 150LOINC8480-6、舒张压 95LOINC8462-4每天早晚吃二甲双胍500mg用药清单里的一条用药计划午饭吃了面一条备注按原话保存不做编码注意一个细节150/95 没有被当成一个血压值存进去而是拆成两条独立读数。这样日记里的血压和手表、化验单里的血压天然就是同一个序列可以直接画趋势线。拆句与写入逻辑见 mirobody/collect/sentence.py日记 API 定义在 mirobody/server/routers/journal_router.pyPOST /api/v1/journal/sentence。工作原理模型只管拆句编码交给离线词表Mirobody 日记最核心的设计是职责分离模型只拆句、分类。语言模型把句子拆成症状 / 数值 / 用药 / 其他几类保留你原话的原词——它从头到尾不被要求给出任何编码。编码由词表离线完成。每条记录在写入时对着随包发布的标准词表做查找ICPC-31,218 个症状与诊断代码中文表述通过自带的映射表mirobody/res/icpc3/symptoms_zh.tsv、conditions_zh.tsv命中如头疼 → NS01、高血压 → KD73LOINC 2.8363,416 个检验指标代码支持中、英、繁、日、俄等多语言别名如血红蛋白 → 718-7UCUM330 个标准单位统一量纲。查不到就弃答不猜。这是一个纯词表层面的保证和用哪家模型无关。例如血脂是一个类别而不是某一项检验词表对它返回无法解析而不是硬凑一个相近代码。词表解析完全离线、结果确定不依赖任何模型更深入的词表构成与覆盖率数据见 docs/standardization.zh-CN.md。绝不臆断病情背后的五道防线AI 编造病情是健康类应用最让人担心的问题。Mirobody 在拆句到写入的每一步都做了防臆断设计且每一条被跳过的部分都会带着原因返回给你看而不是悄悄丢弃① 否定不记录。没发烧会被标记为否定断言明确不写进症状记录——它不会变成一条发烧。② 猜测不记录。怕是感冒了这类假设、疑问要不要吃点布洛芬只被识别、被跳过不会进入档案。③ 别人的事不记录。我妈高血压被判定为关于他人不会写进你的档案如果是为家人代记如关爱圈里代爸妈记录我爸咳嗽里的我指的就是档案主人本人。④ 引用必须真实存在。模型输出的每一部分都必须逐字引用原句中的一段引用在句子里找不到说明是模型编的直接丢弃。⑤ 时间不可穿越。句子里解析出的时间昨晚必须能解析且不指向未来否则回退到默认时间避免小模型张冠李戴。加上查不到就弃答的词表纪律整条链上没有任何一个环节会给模型编一个答案的机会。日记、化验单和手表如何变成同一份记录健康日记的价值不在单条记录而在它和其余数据共用同一套编码。上传一张化验单照片如 demo/upload/mom_physical_2026-06.jpg 这样的手机拍纸单或接入 Garmin、Oura、Whoop、Apple Health读数进入档案后都带 LOINC 代码。于是日记里手敲的血压8480-6和手表测的血压8480-6自动落在同一条序列上不同化验所对同一指标的不同写法Total Cholesterol-TC与Cholesterol, Total也归并成同一代码。之后你向 agent 提问它跨文件作答每个数字都能点开追溯来源完整的上传文件 → 编码 → 提问 → 记日记四分钟演示见 docs/walkthrough.zh-CN.md。Docker 一键部署 Mirobody 健康日记跑起来只需 Docker 和一把模型 Keygit clone --depth 1 https://gitcode.com/gh_mirrors/mi/mirobody cd mirobody ./deploy.sh脚本会启动 Postgres、服务器、worker 和演示数据打开页面粘贴一把 OpenRouter、OpenAI、Gemini、DeepSeek 或任意 OpenAI 兼容网关的 Key 即可。用youmirobody.ai、验证码111111登录到「数据 › 记录」页写下第一句话。演示数据的每份文件都有说明demo/README.md。不想用云端模型加一个环境变量即可让所有模型跑在本机llama.cpp CPU 镜像无需 KeyCOMPOSE_PROFILESlocal-cpu ./deploy.sh预留 16 GB 内存即可模型选择与 Mac/Windows 配置详见 docs/local-models.zh-CN.md。小结Mirobody 的 AI 健康日记用一句话把模型会编的风险挡在门外模型只拆句编码靠词表查不到就弃答否定和猜测一律不记录——一句话输入得到的是一份带 ICPC-3 / LOINC 编码、可与化验单和手表数据互通、且每条都能溯源的标准化医学记录。赞分享【免费下载链接】mirobodyTurn scattered health data into answers you can trace. Self-hosted AI health data engine for lab reports, wearables and genetics, with a built-in MCP server. Run it with Docker and one LLM key, or keep every model local on llama.cpp.项目地址https://gitcode.com/gh_mirrors/mi/mirobody点击查看免费下载相关推荐Automatisch健康数据集成医疗记录与健康监测自动化Automatisch健康数据集成医疗记录与健康监测自动化 痛点医疗健康数据孤岛与手动处理困境 在当今数字化医疗时代医疗机构、健身应用、可穿戴设备和患者数工作流自动化后端前端低代码任务调度IoTSharp可视化界面开发基于Vue3的物联网管理后台搭建教程IoTSharp可视化界面开发基于Vue3的物联网管理后台搭建教程 IoTSharp是一款开源物联网平台专注于数据收集、处理、可视化和设备管理。本教程将带你物联网后端数字孪生终极指南无需.proto文件3步解码Protobuf二进制数据 终极指南无需.proto文件3步解码Protobuf二进制数据 在当今数据驱动的世界中Protocol Buffersprotobuf作为高效的标准库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考