陈华编程学院

通过这门课程的系统学习，学员将全面掌握LangChain和OpenAI的大模型应用开发。从基础的项目介绍、用户认证，到复杂的文档管理、向量化处理，再到高级的Agent应用和实际业务处理，每一章节都通过具体的实例讲解，帮助学员在实践中理解和掌握相关技术技能，为日后实际项目的开发提供坚实的技术基础。

本章为整个课程的开篇，通过项目演示和快速部署流程，让学员对LLM-RAG项目有初步了解，并详细介绍了项目架构和课程内容。LLM-RAG项目 P1 大模型LLM-RAG知识库项目演示免费LLM-RAG项目 P2 项目快速部署流程演示免费LLM-RAG项目 P3 项目架构和课程内容简介免费通过这门课程的系统学习，学员将全面掌握LLM-RAG项目的各个模块开发，从基础的项目介绍、用户认证，到复杂的文档管理、片段管理、向量化处理，再到大模型对话与历史对话管理。

超过40个课时的《知识图谱医疗领域多轮对话机器人》课程，让你彻底掌握知识图谱的落地玩法！在这个课程中，你将学习如何构建一个基于知识图谱的医疗领域多轮对话机器人。这个课程涵盖了从导学到封装前后端服务的全过程，让你全面了解并掌握这一领域的技能。

《基于豆瓣电影TOP250数据的知识图谱对话机器人》课程，是「知识图谱」系列的第一个项目，内容包括：数据爬取、Neo4j图数据库、模板解析、前端交互四个部分。特别适合要做完整知识图谱项目的同学，比如做毕业设计、全栈工程师之类。

拆分完训练集和测试集后，我们需要根据训练集，生成词表和标签表的缓存文件，供后面的流程调用。该表不仅要记录所有词和标签，还要对应一个不重复的ID，方便后续进行Embedding，即数字化。

上一节已经生成了单个字和标注对应的文件，接下来就是将这些文件，拆分为训练集和测试集两部分。这里的拆分不单是文件选择的问题，还需要考虑后续加载数据集的问题。

主办方提供的数据是一些用brat标注的文件，.txt文件为原始文档，.ann文件为标注信息，标注实体以T开头，后接实体序号，实体类别，起始位置，结束位置和实体对应的文档中的词。

本项目是阿里天池大赛的一个经典赛题，《瑞金医院MMC人工智能辅助构建知识图谱大赛》，赛题要求选手在糖尿病相关的学术论文和临床指南的基础上，做实体的标注，也就是NLP领域常说的，命名实体识别（Named Entity Recognition, NER）任务。...