ReservoirChat: Interactive Documentation Enhanced with LLM and Knowledge Graph for ReservoirPy

文章主要内容和创新点

主要内容

本文介绍了ReservoirChat——一款结合大语言模型（LLM）和知识图谱的交互式工具，旨在辅助ReservoirPy库的代码开发及解答水库计算（Reservoir Computing）领域的复杂问题。该工具通过检索增强生成（Retrieval-Augmented Generation, RAG）和知识图谱整合外部知识，减少LLM的“幻觉”（生成错误信息），提升响应的事实准确性。

开发过程中，工具经历了三个阶段：

1. 基础聊天机器人：基于预定义问答库和文本嵌入，仅能处理简单、可预测的问题；
2. ReservoirRAG：结合Codestral-22B模型与RAG，利用ReservoirPy文档、相关论文和代码样本动态检索信息；
3. ReservoirChat：引入知识图谱（GraphRAG），通过实体和关系的结构化表示增强上下文理解和推理能力。

评估结果显示，ReservoirChat在编码任务上表现优于ChatGPT-4o、NotebookLM等模型，在知识类问题上接近顶尖模型，且显著优于基础模型Codestral-22B。

创新点

1. 针对性解决小众领域的LLM缺陷：针对水库计算这一非主流领域，通过RAG和知识图谱弥补LLM训练数据中该领域信息不足的问题，减少幻觉；
2. 多级增强架构：从基础问答库到RAG，再到知识图谱，逐步提升工具对复