知识图谱如何解决大模型“胡说八道“问题？和大模型有什么关系？

关注

原创最新推荐文章于 2026-05-26 12:31:10 发布 900 阅读 AI 写同款· GEO 优化 ›

vsomeip3 双机通信文件配置验证环境 vsomeip地址Android运行命令，红色的地方需要和配置文件一样Linux运行命令，红色的地方需要和配置文件一样Linux service配置文件，红色的地方需要更改Android client配置文件，红色的地方需要更改，蓝色的地方可不要 ... 阅读详情

今天我们探讨两个问题:

第一，知识图谱是什么？

第二，知识图谱和大模型的关系又是什么？

一、知识图谱是什么？

我们先来看第一个问题: 知识图谱是什么？

可以看上面这个图，这个图形表达了如下信息:

张三和李四是朋友。

张三在苹果公司工作。

李四在香蕉公司工作。

苹果公司投资了香蕉公司。

这就是一个知识图谱的形象化表示。

所以我们总结一下，什么是知识图谱:

1.是一个存储信息的方法；

2.描述的是事实;

3.核心表达是实体和关系;

4.可以有多种实体，多种关系;

二、知识图谱和大模型是什么关系?

我们再来看第二个问题: 知识图谱和大模型有什么关系?

其实知识图谱在2023年之前就存在，但是在2023年大模型火了之后，再次进入大众的视野，这是为什么呢?

原因是随着大家对大模型的使用，逐渐发现大模型存在一个较大的问题——大模型幻觉，即可以理解为有些时候大模型会胡说八道，编造事实

为了减少大模型的幻觉，有很多的方法，常用的有以下5种方法/思路:

Prompt

给出准确清晰的提示词语句；

Few-shot，少样本提示。

限制内容范围

RAG，检索增强生成。

后处理

事实检查生成答案；

人工检查生成答案。

提升数据质量

预训练的数据质量；

微调的数据质量。

模型能力提升

大模型微调。

对于第二种，在RAG具体落地场景中，我们可以有不同的数据处理方式：

对于结构化的数据，比如我们Excel中的数据，用普通的关系型数据库存储即可，需要使用时直接拿来用也比较方便。

对于非结构化的数据，比如文本段落、文章、手册、FAQ这种，不太适合结构化存储，所以向量化之后存储在向量数据库中比较合适，后续使用向量检索技术也比较好用。

那我们今天说的知识图谱适合什么样的场景呢?

我们举例来说明，传统的RAG流程如下图，用户提出一个prompt，先到知识库中检索相似度高的文档内容，然后和prompt一起传给大模型，再由大模型基于输入的内容生成答案。

但是这种方法有限制，对于具体的问题解决效果比较好，相对宏观一些的问题可能效果不那么好。

例如下列2个问题:

问题1: A商品的价格是多少?

问题2: 去年技术团队的成果是什么?

对于问题1，传统RAG可能解决的比较好，如果知识库中有关于A商品价格的信息，大模型就能准确回答这个问题。

但是对于问题2，首先“技术团队”就是一个复杂问题技术团队可能下面有技术一部、技术二部.…，而其中技术一部下面有张三、李四…

如果要回答这个问题就需要先把属于技术团队的人都找出来，然后分别找到每个人的成果，再把成果汇总。

这个问题就很适合用知识图谱来解决，对于“技术团队”问题的解决，就是找寻不同实体间的关系，知识图谱记录的就是这种关系:

如上图，我们把原始文档里的内容最后聚类成如图所示的结构关系，当遇到上述的问题时，就能高效解决。

所以，用知识图谱去解决大模型的幻觉问题，有如下优势:

直观: 在上面我们就提到过，知识图谱表示的就是实体与实体之间的关系，理解起来比较直观，所以对于降低大模型的幻觉是有帮助的。

与向量文本互补: 我们在把知识变成向量存储到向量数据库中的时候，数据本身是不会消失，但是数据与数据之间的关系可能就没有了，或者被弱化了。

这个时候，我们再用知识图谱的方式，把这些知识/实体之间的关系表达出来，这样就可以和向量数据库进行一个结合。

但是，我们在实际落地RAG的过程中，并不是只能选择一种方式处理数据。

比如我们可以同时使用关系型数据库、向量数据库、知识图谱，每次用户提问之后，分别去3个地方多路召回，然后rerank重新排序，最后得到综合结果，输出给大模型。

三、如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到优快云的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

在这里插入图片描述