本研究提出了“天逸”模型，旨在解决传统中医学在临床应用中的知识缺乏问题。该模型基于76亿参数，通过多样化的中医语料库进行预训练，显示出在精确诊断和处方制定方面的显著潜力，有效缩小中医知识与实际应用之间的鸿沟。

本研究提出了一种树组织自反检索框架，解决了传统中医学检索效率低的问题。与GPT-4结合后，准确率提升了19.85%，显著改善了中医问答的表现，具有重要的应用潜力。

本研究针对传统中医学领域中大语言模型的应用性能提升问题，提出了TCM-Prompt框架，集成了多种预训练语言模型、模板、分词及表达方法，以便研究人员能轻松构建和微调模型。实验结果表明，提示工程在传统中医学中提升大语言模型性能具有良好效果，具有数字化、现代化和个性化医学的潜在应用价值。