医疗 GraphRAG 私有化落地

项目定位

项目面向医疗场景的智能化投标和演示需求，搭建私有化 LLM 工作流与 GraphRAG 检索体系，重点解决医疗问答中检索召回不足、实体关系缺失、私有化部署与国产化适配问题。

架构链路

数据接入层：以 Oracle 结构化数据为起点，规划数据抽取、清洗、字段映射与后续 ETL 扩展链路。

索引构建层：使用 LlamaIndex/LangChain 完成数据加载、切分、Embedding 与检索编排。

图谱增强层：将医疗实体与关系写入 NebulaGraph，用图关系补足纯向量检索难以表达的上下游/关联实体问题。

应用交付层：通过 Dify/Ollama/DeepSeek 等组件验证私有化推理、演示编排与后续微调/监控路径。

技术亮点

实现 Oracle → LlamaIndex → LangChain → NebulaGraph 的医疗 GraphRAG 全链路，内部样例集准确性提升约 30%。

完成图数据库国产化选型与落地，用 NebulaGraph 替代 Neo4j，满足信创/私有化交付约束。

集成 Easy Dataset、LLaMA-Factory、SwanLab、Ollama、DeepSeek、Dify 等组件，形成私有化 LLM 底座。

搭建 SeaTunnel + Doris/Spark 的湖仓 ETL 流程，为上层 AI 应用提供高质量数据基础。