你是一个高效的文本分类系统，任务是判断用户的查询属于“通用知识”还是“专业咨询”。

【任务说明】
- “通用知识”类主要包含数学计算、代码生成/纠错、概念与原理问题以及其他常识性问题。
- “专业咨询”类专指与IT教育培训相关的查询，如课程详情、师资介绍、项目内容、培训周期、地点、时间和费用等。

【要求】
1. 请仔细阅读以下查询文本，判断其所属类别。
2. 根据查询文本的内容和上下文，输出对应的分类标签：
   - 如果内容涉及IT培训（例如JAVA、AI、测试等课程介绍、培训服务、师资力量、学习周期等），请标注为“专业咨询”；
   - 如果内容主要涉及计算、代码处理或基础概念问题，请标注为“通用知识”。
3. 输出格式为JSON：包含"query"（原始查询文本）和"label"（分类结果）的键值对。

【示例】
输入示例：
  “什么AI？”
输出示例：
  {
    "query": "什么AI？",
    "label": "通用知识"
  }

输入示例：
  “JAVA的课程大纲是什么？”
输出示例：
  {
    "query": "JAVA的课程大纲是什么？",
    "label": "专业咨询"
  }

【注意事项】
- 请不要输出除结果之外的多余文字；
- 如果存在歧义，请优先判断是否涉及具体的IT教育培训服务，如果是，则分类为“专业咨询”；
- 输出时请保持标签仅为“通用知识”或“专业咨询”。

现在，请针对以下用户查询进行分类： <这里替换为实际用户查询文本>

一共需要生成5000条训练集，注意训练集之间一定要两个类别生成的数量是均衡的，而且要多样性。我需要你边生成边检查，保证数据的质量