为什么需要知识图谱+RAG
传统的向量RAG虽然能检索语义相似的文本段落，但难以理解实体之间的复杂关系。例如，"张三任职于A公司，A公司被B公司收购"这类多跳关系查询，纯向量检索的效果往往不理想。
知识图谱（Knowledge Graph）通过结构化存储实体及其关系，恰好弥补了这一短板。将知识图谱与RAG结合，可以实现更精准、更具推理能力的问答系统。
图数据库选型
主流的图数据库选择包括：
- Neo4j：市场占有率最高，Cypher查询语言成熟，社区和生态最完善
- ArangoDB：多模型数据库，同时支持图、文档和KV存储
- JanusGraph：适合超大规模图数据，支持分布式部署
- NebulaGraph：国产分布式图数据库，性能优异
对于大多数企业级应用，Neo4j是最稳妥的选择，Cypher语言的表达能力非常适合复杂关系查询。
实体关系抽取
构建知识图谱的第一步是从非结构化文本中抽取实体和关系。
基于LLM的抽取
利用LLM的指令跟随能力进行信息抽取：
请从以下文本中抽取所有实体及其关系。
实体类型包括：人物、公司、产品、技术。
关系类型包括：任职于、收购、开发、合作。
输出格式为JSON数组：[{head, relation, tail}]
抽取优化技巧
- 使用Few-shot示例引导输出格式
- 对同一文档进行多次抽取后去重合并
- 使用命名实体识别模型进行预标注
Graph RAG架构
Graph RAG的实现流程通常包含以下步骤：
- 文档解析：将非结构化文档解析为结构化文本块
- 实体抽取：提取文档中的实体和关系
- 图存储：将三元组存入图数据库
- 查询理解：将自然语言问题转化为图查询语句
- 子图检索：执行图查询获取相关子图
- 结果融合：将子图信息作为上下文提供给LLM
查询转化策略
将用户问题转化为Cypher查询是实现Graph RAG的核心难点。常见方法包括：
- 模板匹配：基于预定义的问题模板进行匹配
- LLM生成：让LLM将自然语言转换为Cypher
- 混合策略：先使用NLP解析意图，再动态生成查询
GraphRAG与Vector RAG的对比
| 维度 | Graph RAG | Vector RAG |
|---|---|---|
| 关系理解 | 强 | 弱 |
| 多跳推理 | 强 | 弱 |
| 语义相似度 | 弱 | 强 |
| 构建复杂度 | 高 | 低 |
| 维护成本 | 高 | 低 |
最佳实践是将两者结合，使用向量检索召回相关文档段落，同时从知识图谱中获取结构化关系信息，共同作为LLM的上下文输入。这种混合架构在复杂企业知识管理场景中效果显著。