El propósito de este estudio es construir un proyecto de ingeniería de palabras de advertencia ligero basado en los elementos del síndrome de la angina de pecho y la cadena de pensamiento diagnóstica china, dirigido a resolver problemas de alta dependencia de datos en los métodos de diagnóstico tradicional, baja interpretabilidad y adaptabilidad insuficiente a la base. Se desarrolló un modelo lingüístico de gran alcance de elementos del síndrome de la angina de pecho de la medicina china CHD-SEDD LLM, combinando interpretabilidad clínica y precisión predictiva. Como base del modelo lingüístico de gran envergadura, se utilizó el método de microajuste DeepSeek-r1: 32b. Se diseñó un marco de razonamiento en cadena de tres niveles análisis de síntomas - evaluación de elementos del síndrome - combinación del síndrome basado en las normas de diagnóstico de los elementos del síndrome de la angina de pecho de la medicina china, y las reglas de diagnóstico se codificaron en un modelo Prompt estructurado. Para evaluar la eficacia de CHD-SEDD LLM y compararlo con un modelo sin Prompt, se seleccionaron 6.541 casos de la enfermedad de la angina de pecho como evaluación, utilizando el valor Macro-F1 de la clasificación de síndromes, la precisión de los elementos del síndrome y el tiempo de razonamiento individual como indicadores de evaluación. CHD-SEDD LLM demostró una clara capacidad para razonar jerárquicamente en la verificación de casos típicos, extrayendo con precisión elementos clave como la deficiencia de Qi y la estasis sanguínea y combinándolos en síndromes objetivo como síndrome de deficiencia de Qi y estasis sanguínea síndrome de deficiencia de Yang y congestión del frío y así sucesivamente, y el razonamiento corresponde a la lógica de diagnóstico de la medicina china. El estudio de contraste muestra que el valor Macro-F1 de la clasificación de síndromes del modelo alcanza el 85,0%, un aumento del 23,8% respecto a la línea de base sin Prompt; la precisión del reconocimiento de elementos del síndrome es del 84,8%, significativamente superior a la línea de base (68,7%); la tasa de conflicto lógico cayó del 37% al 4%, y el tiempo de razonamiento individual es de solo 4,1 s, sin causar retrasos significativos debido al razonamiento en cadena. CHD-SEDD LLM, a través del marco de pensamiento en cadena y la construcción ligera guiada por las reglas de diagnóstico, logró una alta precisión e interpretabilidad del diagnóstico de la angina de pecho en un entorno de recursos limitados. Al mismo tiempo, se verificó la viabilidad del paradigma gran modelo + hoja de ruta de la cadena de pensamiento, lo que presenta una fuerte promoción y puede ser utilizada para el diagnóstico de diferentes enfermedades con esta hoja de ruta de tratamiento a través de la cadena de pensamiento.

angina de pecho, elementos del síndrome, gran modelo lingüístico, pensamiento en cadena, diagnóstico inteligente