企业官网建设流程全解析

LangChain医疗文本分析快速上手：10行代码搭一个可检索的医学知识库

【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain

LangChain是一个开源的智能体工程平台。用它做LangChain医疗文本分析，新手也能跑通"病历切块—入库存量—一句话检索"的全流程。本文带你从零走到能出结果的最短路径。

先看你一定会碰到的痛点

你手上的病历是一坨非结构化长文本：主诉、检验、医嘱挤在一起。想快速回答"哪些患者用过同一药""这500份记录里和糖尿病相关的片段有哪些"，靠人翻基本没戏。第一步不是接模型，而是让文本变得可切、可存、可查。

5分钟跑通最小可用Demo

装两个核心包，不用任何API Key：

pip install -U langchain-core langchain-text-splitters

准备一个record.txt（随便放一段病历文本），再运行下面的脚本。前4行是导入，之后切块、入库、检索一步到位。FakeEmbeddings是内置假向量，先保证流程能跑：

from langchain_core.documents import Document from langchain_core.embeddings import FakeEmbeddings from langchain_core.vectorstores import InMemoryVectorStore from langchain_text_splitters import RecursiveCharacterTextSplitter docs = RecursiveCharacterTextSplitter(chunk_size=200).split_documents([Document(page_content=open("record.txt").read())]) store = InMemoryVectorStore(FakeEmbeddings()); store.add_documents(docs) print(store.similarity_search("糖尿病用药", k=2))

跑完你会看到2条Document，各自带原文片段和元数据。恭喜，一个最小医学知识库单元已经跑起来了。

医学知识库背后的4个核心能力

🔬 一句话查询病历

• RecursiveCharacterTextSplitter按段落→句子→字符的顺序切分，尽量不把一个术语劈成两半；chunk_size控制块长，chunk_overlap控制重叠。
• 病历有清晰小标题（检查/诊断/处方）时，改用 libs/text-splitters/ 里的MarkdownHeaderTextSplitter按标题切，每块自带上下文。

🔍 知识库按语义检索

• InMemoryVectorStore.similarity_search(query, k)按余弦相似度返回最相关的k块，是 libs/core/langchain_core/vectorstores/ 里最省事的起点。
• 检索支持filter参数：传入一个判断函数，只命中指定科室、日期范围的块。
• InMemory 适合原型；数据量上来后换成 libs/partners/chroma/ 这类持久化向量库，代码改动很小。

📋 自由文本转结构化字段

• 模型侧直接调with_structured_output，传入 Pydantic 模式（症状、诊断、用药），输出就是字段化的病历卡片，不用手写正则。
• 不接模型时，libs/core/langchain_core/output_parsers/ 里的解析器可处理 JSON、XML 等固定格式的报告。

💬 多轮问诊保持上下文

• libs/core/langchain_core/chat_history/ 管理会话历史，"上次那个患者"在第二轮提问里不会失忆。
• 结合 libs/core/langchain_core/runnables/ 的管道抽象，把"检索→生成"拼成一条可调用的链。

避坑与进阶技巧

• 切块把术语拦腰截断：chunk_size太小 → 调大块长，并给chunk_overlap留10%~20%的重叠，保证语义不断。
• 检索结果全是噪音：块里没有身份信息 → 建Document时把患者ID、科室、日期写进metadata，查询时用filter缩小范围。
• 检索"看似有效实则随机"：FakeEmbeddings是假的，语义距离没有意义 → 正式做医学问答换真实嵌入模型，如 libs/partners/openai/ 的OpenAIEmbeddings。
• 进程一重启数据就没了：InMemory 不落盘 → 原型验证完成后切到 Chroma 等持久化存储，把add_documents换成它的对应方法即可。

谁在什么情况下用它

• 病案管理员：把几千份门诊病历批量切块入库，按症状和用药一句话检索。
• 科研助理：论文切片建索引后，快速定位"这个药物结论在哪一段"。
• 产品工程师：先用假嵌入+内存库十分钟搭出Demo验证链路，再接真实模型上线。

更多API细节可看仓库 libs/core/ 目录，下一步建议：把FakeEmbeddings换成真实嵌入模型，试试效果差异。

【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain