知识图谱 × RAG让大模型读懂实体关系而非只搜关键词摘要本文基于 DeepLearning.AI《RAG 的知识图谱》课程实践系统讲解如何用 Neo4j 知识图谱增强 RAG从图建模基础节点/关系/属性/标签、SEC 10-K 财报文档的图构建流程到 Cypher 查询、文本嵌入与向量索引的融合再到 LLM 少样本自动生成 Cypher 实现自然语言→精准图查询闭环。附课程可复现代码与踩坑清单。适合正在做企业知识库问答、需要处理复杂关系查询的开发者。1. 为什么 RAG 需要知识图谱传统 RAG 基于向量检索把文档切块、嵌入、存向量库语义相似的片段可以被召回。但纯向量 RAG 有天然短板无法表达实体间关系A 公司收购了 B 公司与A、B 都做芯片在向量空间可能混淆多跳推理困难NetApp 与同行业公司在云存储披露上的差异需要跨文档关联精确匹配弱年份、金额、人名等结构化事实容易被模糊召回知识图谱把关系显式建模出来恰好补上这块短板。2. 图建模基础节点、关系、属性、标签节点Node 实体人、公司、课程 关系Relationship语义连接teaches / knows / acted_in 属性Property key-value 对{name: NetApp} 标签Label 逻辑分组:Person / :Movie / :CourseCypher 查询语法直观支持模式匹配MATCH (p:Person {name:abk})-[:PURCHASED]-(prod) RETURN prod对比关系型数据库动辄 4-5 层 JOIN图查询的语义清晰度是降维打击。3. 实战从 SEC 10-K 构建知识图谱课程以 SEC EDGAR 10-K 财报文档为数据源走通完整流程。3.1 数据预处理从 SEC EDGAR 下载 XML 格式 10-K 文件 → 正则 BeautifulSoup 解析关键章节Item 1, 1A, 7 等→ 提取 CIK公司唯一标识、公司名、原文链接等元数据 → 转为 JSON 结构化存储。3.2 文本分块用 LangChain 的递归字符分割器按章节切块fromlangchain_text_splittersimportRecursiveCharacterTextSplitter text_splitterRecursiveCharacterTextSplitter(chunk_size2000,chunk_overlap200,length_functionlen,is_separator_regexFalse,)item1_text_chunkstext_splitter.split_text(item1_text)3.3 构建图谱文档层级关系建模图谱需要表达文档的层级结构公司(Company) -[:FILED]- 表单(Form) -[:SECTION]- 章节(Section) -[:HAS_CHUNK]- 文本块(Chunk)关键设计新增SECTION关系带f10kItem属性将 Form 节点直连至每节首个块chunkSequenceID 0便于快速导航至章节起始位置建立LOCATED_AT关系连接经理/公司与地址节点支持跨实体链接如公司间供应链关系4. 基础设施三件套约束、全文索引、向量索引课程反复强调一个踩坑点先建 UNIQUE CONSTRAINT 再建 VECTOR INDEX确保每个 :Chunk 节点的 chunk_id 全局唯一避免向量检索时因重复 ID 导致语义混淆。唯一性约束UNIQUE CONSTRAINT → 全文索引FULLTEXT INDEX → 向量索引VECTOR INDEX这三者应视为图谱的三位一体基础设施在建模初期同步规划而非事后补救。5. 能力进阶多模态图谱查询构建完成的图谱支持三类查询能力叠加5.1 结构化查询聚合统计-- 各州投资管理公司数量 TOP10 MATCH (c:Company) RETURN c.state, count(*) AS cnt ORDER BY cnt DESC LIMIT 10实证发现样本中管理公司集中于旧金山而上市公司密集于圣克拉拉谷圣何塞、桑尼维尔、库比蒂诺二者地理错位显著。5.2 地理空间查询-- 距圣克拉拉 10 公里内的投资公司 MATCH (c:Company) WHERE point.distance(c.location, point({latitude: 37.3541, longitude: -121.9552})) 10000 RETURN c.name甚至支持模糊匹配拼写错误Palo alto networks仍可准确定位。5.3 语义检索向量查询文本块嵌入 向量索引支持Palo Alto Networks 的业务描述这类语义检索与多跳关系遍历组合公司 → 表单 → 章节 → Item 1 文本块 → 摘要返回6. LLM 自动生成 Cypher少样本的力量课程最惊艳的实证是仅用少量示例即可让 LLM 生成生产级 Cypher。示例数能力1 个“旧金山的投资公司”替换 WHERE 条件中的城市名2 个加圣克拉拉附近自主调用 point.distance() 地理查询3 个加Palo Alto Networks 业务描述组合全文检索 多跳关系遍历 摘要关键方法论少量高质量示例Few-shot锚定模式严格 Schema 约束把图谱结构告知 LLMLangChain 链式编排查询生成 → 执行 → 结果合成7. 深度洞察与踩坑洞察一模糊匹配 地理围栏构成高鲁棒性实体对齐新范式。拼写纠错Palo alto → Palo Alto与 10km 地理围栏组合实质是语义容错 空间校验的双重实体消歧机制在命名不规范场景下可将实体链接准确率提升 30%行业基准估算。洞察二图谱即服务GaaS需预置用户反馈闭环。将用户反馈节点纳入图谱并关联查询结果当多名用户对某次查询标记不相关可自动触发坐标校准或关系权重重训练。踩坑清单坑表现解法先向量索引后约束重复 chunk_id 语义混淆先建 UNIQUE CONSTRAINT只存文本块不建关系无法多跳推理建模文档层级关系忽略地理字段无法空间查询地址解析 point 类型Few-shot 示例过少Cypher 生成不稳按能力梯度加示例Schema 不告知 LLM生成无效 Cypher显式约束 链式编排8. 总结一句话总结知识图谱把实体关系变成可查询、可推理的一等公民与向量检索形成互补——向量负责语义召回图负责关系推理二者融合才能支撑企业级自然语言→精准答案的闭环。互动收尾你的 RAG 系统目前是纯向量检索还是已经引入图结构遇到过多跳关系查询失效的场景吗在评论区聊聊你的知识图谱落地经验下一期我们拆解知识图谱如何赋能企业 API 发现与 Agent 规划。本文基于 DeepLearning.AI 课程学习实验代码步骤可复现。
