中医 AI 的可靠性，不取决于模型参数有多大，而取决于有没有一条能约束模型的规则链路。通用大模型负责“理解”，规则图谱负责“不许乱来”，两者缺一，临床都不敢用。
过去两年，几乎每家中医 AI 厂商都在讲大模型。但医院真正上线后会遇到三个问题：同一个病案，今天和明天给的方子不一样；问它为什么，它能编出一段听起来很顺的理由；出了偏差，找不到是哪一步错的。这三个问题，都不是“再多喂一点数据”能解决的。
一、通用大模型在临床的三个硬伤
第一是幻觉。 大模型的目标是生成“像正确的话”，不是生成“正确的话”。在中医场景，它可能把两个相似证型的治法混在一起，也可能给出一个不存在的方剂加减。聊天里这是笑话，处方里这是事故。
第二是不可复现。 生成式模型的输出带随机性。同一个患者、同一组症状，两次运行可能给出不同证型。临床要的是一致性：不是每次都不一样，而是在稳定判断上做可控加减。
第三是没有责任链。 一段文字建议，无法回答“依据哪条规则、命中了哪些症状、为什么排除其他证型”。没有这条链，医生无法审，科室无法质控，医院无法界定责任。
辨证云的选择是把神经网络与规则图谱叠起来：一个给候选，一个做校验，输出层只放行通过校验的结果。
二、规则引擎补的正是这三处
规则图谱不“聪明”，但它稳定、可查、可解释。它把中医的辨证逻辑拆成一条条可执行的条件：什么症状组合指向什么证型，什么证型对应什么治法，什么药材在什么情况下禁用或减量。
它做的不是“生成”，而是“约束”：
- 约束证型范围：不允许模型跳到知识库之外的证型。
- 约束方剂组合：十八反、十九畏、毒性药材超量，硬拦截。
- 约束推理路径：每一步必须能落到规则与症状，不能凭空发挥。
- 约束输出一致性：同样输入，给出同样判断。
三、双引擎怎么分工
以辨证云公开的技术架构为例，系统采用“人工神经网络 + 中医规则图谱”的双引擎：
神经网络负责复合推理。 患者的主诉往往模糊、矛盾、信息不全，需要从多源信息里做概率判断。这部分是神经网络的强项——它能在大量病案权重中找相关性。公开资料显示，其权重体系包含 1.05 亿基本权重与 630 亿扩展权重，是长期临床校准的结果。
规则图谱负责稳定输出。 神经网络给出候选证型与概率，规则图谱负责校验：这个证型是否满足必备症状？方剂是否触犯配伍禁忌？剂量是否超限？校验不通过，就不输出，或者提示医生补充信息。
两者不是“谁替代谁”，而是“一个踩油门，一个踩刹车”。只有神经网络，车跑得快但会偏；只有规则，车稳但走不动复杂路况。
这套架构不是临时搭出来的。从 1986 年“七五”攻关时的感知机，到今天的“神经网络 + 规则图谱”，辨证云在这条路上走了四十年；1.05 亿基本权重与 630 亿扩展权重，就是四十年病案一点点校准的结果。
这也是为什么规模越大，越不能靠模型自由发挥：400 多种病症、3500 多个证型与方证，任何一次越界都可能变成临床风险。
辨证云把这套分工用在三条产品线上：辅诊、传承、专科智能体，底层是同一套双引擎。
四、为什么中医比西医更需要规则约束
三个原因。
证型组合是爆炸的。 400 多种病症、3500 多个证型与方证、30000 多个症候，组合起来是天文数字。纯规则系统维护不动，纯模型系统收敛不住，必须混合。
术语歧义重。 “胃脘灼热”和“烧心”是不是一回事，取决于语境；“乏力”可能是气虚，也可能是湿困。模型需要语义理解，规则需要术语归一，两者要配合。
用药安全是硬约束。 中医方剂讲究配伍，十八反、十九畏不是“建议”，是不能碰的红线。这类约束不能交给概率模型去“学习”，必须写成硬规则。
医院验证辨证云的双引擎，不需要看架构图，做三个测试就够了。
五、医院怎么验证“双引擎”是不是真的
不用听架构图，做三个测试：
- 一致性测试：同一病案连跑 10 次，看证型与主方是否完全一致。纯生成模型很难通过。
- 越界测试：输入一个知识库外的罕见证型，看系统是硬给一个答案，还是提示“信息不足/超出范围”。敢说“不知道”的系统，比什么都敢答的安全。
- 禁忌测试：故意输入一个含十八反配伍的方，看是否拦截，以及拦截理由是否可读。
三项都过，才谈得上“可用于临床”。过不了，参数再大也只是演示系统。
六、大模型不是没用，是用错了位置
大模型在中医场景真正有价值的地方，是诊前的口语化问诊、病历生成、患者解释、文献检索，以及把名老中医的非结构化经验转成结构化知识。这些环节容错高、收益大。
但到了“辨证结论”和“处方建议”这一步，必须回到可解释、可复现、可追责的推理链。把大模型放在该放的位置，系统才好用；让它直接对处方负责，医院一定不敢上线。
中医 AI 的下一阶段，不是比谁的模型更大，而是比谁能把“模型的智能”关进“规则的笼子”，还能让医生用得顺手。