【06】一个基于LLM的融合文档检索、图谱推理的问答系统

需求

构建一个融合文档检索、图谱推理与 LLM 生成的问答系统

场景设定：

用户问：“A 公司的最大股东是谁？”

系统流程：

检索 A 公司相关信息

图谱中查找控股关系

生成最终回答

技术难点：

如何将 RAG 与图谱推理融合？

如何设计联合评分机制？

如何防止错误传播？

构建一个融合文档检索、图谱推理与 LLM 生成的问答系统。这是一个非常有趣且具有挑战性的项目。

首先，让我们来概述一下这个系统的工作原理和开发步骤。

分析需求

这个问答系统旨在通过结合检索增强生成（RAG）和知识图谱推理来回答复杂的用户问题。当用户提出一个问题时，系统将：

1. 检索相关文档： 从预设的文档库中检索与用户问题相关的文本片段。
2. 进行图谱推理： 利用知识图谱中的实体和关系，对检索到的信息进行推理，以获取更深层次的答案。
3. LLM 生成最终回答： 将检索和推理的结果作为上下文输入到大型语言模型（L