Freshman 大模型学习记录

我第一次复现科研自动化项目：从论文摘要到 RAG 问答系统的完整流程💻 🖥️ ⌨️

进实验室实习的第一个任务，感觉挺简单的，都不好意思发博客，从小开始，希望能坚持下去，一年后再回来看不知道怎么想

• (ง •̀_•́)ง

尝试使用智谱大模型API，和PubMed的api，在Python编程环境下复现论文《Inferring Drug–Gene Relationships in Cancer Using Literature-Augmented Large Language Models》的关键功能代码：基于大模型api+pubmed api，输入基因名称和药物名称，输出基因和药物的关系

问题：
医学和生物领域文献很多，人工查找基因、药物、疾病之间的关系成本很高。

普通 GPT 的问题：
直接问 GPT，可能会编造不存在的证据。

RAG 的想法：
先从数据库检索相关摘要，再让模型基于检索内容回答，从而降低幻觉。

用户问题
↓
构造 PubMed 查询
↓
发送 HTTP 请求
↓
解析 XML 文献摘要
↓
整理 evidence
↓
构造 Prompt
↓
调用 LLM
↓
输出带证据的回答

其实作为一个小白，代码还是用ai写的。深入研究代码的过程我感觉是提升最明显的，HTTP 请求XML 解析JSON 格式Prompt 设计等，先用gpt帮我讲解相关知识点。然后通读代码，明确了各个部分的功能

这个项目虽然只是摘要级复现，但它让我理解了科研自动化的一个基础流程：从数据库获取文献证据，再让模型基于证据进行推理。更复杂的科研自动化系统可能还会加入 PDF 解析、实验代码复现、图表分析、结果验证和自动写作等模块