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，目标是搭建私有化 LLM 工作流与 GraphRAG 检索体系，提升复杂医学问答与知识检索质量。

技术方案

实现 Oracle → LlamaIndex → LangChain → NebulaGraph 的医疗 GraphRAG 全链路。

对比原有流程，整体准确度提升约 30%，验证了图谱增强检索在医疗场景下的价值。

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

部署微调环境与 WebUI，打通训练、验证和演示链路。

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。

技术亮点

完成图数据库国产化选型与落地，用 NebulaGraph 替代 Neo4j。

支持多种推理引擎切换，提升模型路线灵活性和交付适配性。

借助 Dify 构建可视化工作流，降低业务侧使用门槛。