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/langchainLangChain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 Keypip 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_size200).split_documents([Document(page_contentopen(record.txt).read())]) store InMemoryVectorStore(FakeEmbeddings()); store.add_documents(docs) print(store.similarity_search(糖尿病用药, k2))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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考