黑马人工智能实战项目-AI在线医生(41课)

这门课的主题很明确：用 Python 搭一个能对话的在线问诊系统。它不是讲通用大模型原理，而是把「用户描述症状—系统理解意图—给出对应回答」这条链路完整走一遍。适合你已经写过 Python 脚本、能看懂函数和类，但没做过对话系统，也没碰过图数据库。如果你连 Python 语法都还不熟，先补基础再来，否则中段会很吃力。

它解决的是哪类工作场景

实际工作里，医疗问答这类需求常见于导诊、健康咨询、客服分流。难点不在「让模型说话」，而在三件事：一是把用户口语化的描述映射到标准症状或科室；二是让回答有依据、不乱编；三是把散落的医学知识组织成可查询的结构。这门课围绕这三点展开，前半段讲对话接口怎么接、怎么管理多轮上下文，中段用图数据库存症状与疾病的关系，后半段做数据准备和模型训练。学完之后你面对一个垂直领域的问答需求，知道该从哪里拆、每一层用什么工具，而不是只会调一个现成接口。

建议先看哪几块，资料怎么配合练

不要按顺序从头看到尾。建议先看对话接口的使用部分，把一次完整问答跑通，建立整体感觉；再回头看图数据库的入门和查询语法，这部分是这门课区别于普通聊天机器人的关键，症状、疾病、科室之间的关联都靠它组织；最后进入数据集准备和模型训练环节。练习上，图数据库那块一定要自己动手建几个节点、写几条查询，光看视频记不住语法。数据准备和训练部分，建议先跑通一遍默认流程，再尝试换一小批自己的数据，观察效果变化。每看完一段就停下来复现，比连着刷完再回头补要有效得多。

学完能独立做什么

比较现实的预期是：你能独立完成一个垂直领域的问答原型，包括接入对话能力、用图结构管理领域知识、准备训练数据并跑通一次模型训练。它能支撑你做毕设、做内部小工具、或者面试时讲清楚一个完整项目的技术选型。但要注意，课程给的是方法和流程，不是可以直接上线的医疗产品，真实场景还涉及数据合规、回答准确性校验和大量标注工作。把它当成一次完整的项目演练，而不是速成班，收获会更实在。