使用知识图谱，大幅提升RAG准确性，代码在文末获取！

关注

原创最新推荐文章于 2026-09-23 22:57:43 发布 1.3k 阅读 AI 写同款· GEO 优化 ›

为什么说知识图谱 + RAG ＞传统 RAG？你是否曾觉得自己的大脑充斥了一团乱麻般的随机事实？知识图谱模拟了我们大脑思考事物，以及事物间关系的方式，同时又规避了大脑会遗忘和错误决策等问题。我们可以将知识图谱视为带了主语、谓语和宾语的三元组。它们将信息表示为一个由相互连接的实体组成的网络，以及实体之间的关系。本质上，知识图谱利用基于图的数据模型，其中节点代表实体（如人、地点或概念的主体和宾语），边表示这些实体之间的关系或谓语。OpenSPG 是一个语义增强的可编程知识图谱，GitHub地址如下，欢迎大家Star关注~ 阅读详情

图形检索—增强生成（GraphRAG）的发展势头日益强劲，已成为传统向量搜索检索方法的有力补充。这种方法利用图数据库的结构化特性，将数据组织为节点和关系，从而增强了检索信息的深度和上下文关联性。

知识图谱示例

图形擅长以结构化方式表示和存储异构和互连的信息，能够轻松捕获不同数据类型之间的复杂关系和属性。相比之下，向量数据库通常难以处理此类结构化信息，因为它们的优势在于通过高维向量处理非结构化数据。在RAG应用程序中，可以将结构化的图数据与非结构文本的向量搜索相结合，以获得双方的优势。这就是将在这篇文章中展示的内容。

一、创建知识图谱

构建知识图谱通常是最富挑战性的一步。它涉及数据的收集和结构化，这需要对领域和图建模有深入的理解。

为了简化这一过程，可以尝试使用大语言模型（LLM）。凭借对语言和上下文的深刻理解，LLM可以自动完成知识图谱创建过程的大部分工作。通过分析文本数据，这些模型可以识别实体、理解它们之间的关系，并建议如何在图结构中最好地表示它们。

作为这些实验的结果，我们已经在LangChain中添加了第一版的图构建模块，将在这篇文章中进行演示。

代码可在GitHub上获取。

【GitHub】：https://github.com/tomasonjo/blogs/blob/master/llm/enhancing_rag_with_graph.ipynb

Neo4j环境设置

需要设置一个Neo4j实例，请按照本文章中的示例操作。最简单的方法是在Neo4j Aura （https://neo4j.com/cloud/platform/aura-graph-database/）上启动一个免费实例，它提供Neo4j数据库的云实例。或者，也可以通过下载Neo4j Desktop应用程序（https://neo4j.com/download/），并创建一个本地数据库实例，从而设置Neo4j数据库的本地实例。

os.environ["OPENAI_API_KEY"] = "sk-"
os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "password"

graph = Neo4jGraph()

此外，还必须提供一个OpenAI密钥，因为我们将在这篇文章中使用他们的模型。

二、数据导入

在本演示中，我们将使用伊丽莎白一世的维基百科页面。我们可以使用LangChain加载器无缝地获取和拆分来自维基百科的文档。

【伊丽莎白一世维基百科】：https://en.wikipedia.org/wiki/Elizabeth_I

【LangChain加载器】：https://python.langchain.com/v0.1/docs/modules/data_connection/document_loaders/

# 读取维基百科文章
raw_documents = WikipediaLoader(query="Elizabeth I").load()
# 定义分块策略
text_splitter = TokenTextSplitter(chunk_size=512, chunk_overlap=24)
documents = text_splitter.split_documents(raw_documents[:3])

现在是时候根据检索到的文档构建一个图了。为此，我们实现了一个LLMGraphTransformer模块，它大大简化了在图数据库中构建和存储知识图谱的过程。

llm=ChatOpenAI(temperature=0, model_name="gpt-4-0125-preview")
llm_transformer = LLMGraphTransformer(llm=llm)

# 提取图数据
graph_documents = llm_transformer.convert_to_graph_documents(documents)
# 存储到neo4j
graph.add_graph_documents(
  graph_documents, 
  baseEntityLabel=True, 
  include_source=True
)

可以定义希望知识图谱生成链使用的LLM。目前，我们只支持来自OpenAI和Mistral的函数调用模型。但是，我们计划在未来扩展LLM的选择范围。在这个例子中，我们使用的是最新的GPT-4。请注意，生成的图的质量很大程度上取决于使用的模型。理论上，总是希望使用最强大的模型。LLM图转换器返回图文档，这些文档可以通过add_graph_documents方法导入到Neo4j中。baseEntityLabel参数为每个节点分配一个额外的__Entity__标签，以增强索引和查询性能。include_source参数将节点链接到它们的源文档，以便于数据追溯和上下文理解。

可以在Neo4j浏览器中查看生成的图。

生成图的一部分。

请注意，该图像只代表生成的图的一部分。

三、用于RAG的混合检索

在图生成之后，我们将使用混合检索方法，将向量和关键字索引与图检索相结合，用于RAG应用程序。

混合（向量+关键字）和图检索方法的结合。

该图展示了一个检索过程，首先是用户提出问题，然后将问题导向RAG检索器。该检索器使用关键字和向量搜索来搜索非结构化文本数据，并将其与从知识图谱收集的信息相结合。由于Neo4j同时支持关键字和向量索引，因此可以使用单一的数据库系统实现所有三种检索选项。从这些来源收集的数据被输入到LLM中，以生成并提供最终答案。

3.1 非结构化数据检索器

可以使用Neo4jVector.from_existing_graph方法为文档添加关键字和向量检索。该方法为混合搜索方法配置关键字和向量搜索索引，目标是标有Document的节点。此外，如果缺少文本嵌入值，它还会计算这些值。

vector_index = Neo4jVector.from_existing_graph(
    OpenAIEmbeddings(),
    search_type="hybrid",
    node_label="Document",
    text_node_properties=["text"],
    embedding_node_property="embedding"
)

然后就可以使用similarity_search方法调用向量索引。

3.2 图检索器

另一方面，配置图检索器更为复杂，但提供了更多自由度。这个例子将使用全文索引来识别相关节点，并返回它们的直接邻域。

图检索器。

图检索器首先识别输入信息中的相关实体。为简单起见，我们指示LLM识别人物、组织和位置。为此，我们将使用LCEL和新添加的with_structured_output方法来实现这一目标。

# 从文本中提取实体
class Entities(BaseModel):
    """Identifying information about entities."""

    names: List[str] = Field(
        ...,
        description="All the person, organization, or business entities that "
        "appear in the text",
    )

prompt = ChatPromptTemplate.from_messages(
    [
        (
            "system",
            "You are extracting organization and person entities from the text.",
        ),
        (
            "human",
            "Use the given format to extract information from the following "
            "input: {question}",
        ),
    ]
)

entity_chain = prompt | llm.with_structured_output(Entities)

让我们来测试一下。

entity_chain.invoke({"question": "Where was Amelia Earhart born?"}).names
# ['Amelia Earhart']

太好了，现在我们可以检测问题中的实体了，让我们使用全文索引将它们映射到知识图谱中。首先，我们需要定义一个全文索引和一个可以生成全文查询的函数，其中允许有一些拼写错误，这里就不详细介绍了。

graph.query(
    "CREATE FULLTEXT INDEX entity IF NOT EXISTS FOR (e:__Entity__) ON EACH [e.id]")

def generate_full_text_query(input: str) -> str:
    """
    Generate a full-text search query for a given input string.

    This function constructs a query string suitable for a full-text search.
    It processes the input string by splitting it into words and appending a
    similarity threshold (~2 changed characters) to each word, then combines 
    them using the AND operator. Useful for mapping entities from user questions
    to database values, and allows for some misspelings.
    """
    full_text_query = ""
    words = [el for el in remove_lucene_chars(input).split() if el]
    for word in words[:-1]:
        full_text_query += f" {word}~2 AND"
    full_text_query += f" {words[-1]}~2"
    return full_text_query.strip()

现在，让我们把它们全部组合起来。

# 全文索引查询
def structured_retriever(question: str) -> str:
    """
    Collects the neighborhood of entities mentioned
    in the question
    """
    result = ""
    entities = entity_chain.invoke({"question": question})
    for entity in entities.names:
        response = graph.query(
            """CALL db.index.fulltext.queryNodes('entity', $query, {limit:2})
            YIELD node,score
            CALL {
              MATCH (node)-[r:!MENTIONS]->(neighbor)
              RETURN node.id + ' - ' + type(r) + ' -> ' + neighbor.id AS output
              UNION
              MATCH (node)<-[r:!MENTIONS]-(neighbor)
              RETURN neighbor.id + ' - ' + type(r) + ' -> ' +  node.id AS output
            }
            RETURN output LIMIT 50
            """,
            {"query": generate_full_text_query(entity)},
        )
        result += "\n".join([el['output'] for el in response])
    return result

structured_retriever函数首先检测用户问题中的实体。接下来，它会遍历检测到的实体，并使用Cypher模板检索相关节点的邻域。让我们来测试一下！

print(structured_retriever("Who is Elizabeth I?"))
# Elizabeth I - BORN_ON -> 7 September 1533
# Elizabeth I - DIED_ON -> 24 March 1603
# Elizabeth I - TITLE_HELD_FROM -> Queen Of England And Ireland
# Elizabeth I - TITLE_HELD_UNTIL -> 17 November 1558
# Elizabeth I - MEMBER_OF -> House Of Tudor
# Elizabeth I - CHILD_OF -> Henry Viii
# and more...

3.3 最终检索器

正如开头提到的，我们将结合非结构化检索器和图形检索器，创建传递给LLM的最终上下文。

def retriever(question: str):
    print(f"Search query: {question}")
    structured_data = structured_retriever(question)
    unstructured_data = [el.page_content for el in vector_index.similarity_search(question)]
    final_data = f"""Structured data:
{structured_data}
Unstructured data:
{"#Document ". join(unstructured_data)}
    """
    return final_data

由于我们使用的是Python，因此只需使用f-string将输出连接起来即可。

四、定义RAG链

我们已经成功实现了RAG的检索组件。接下来，我们将引入一个提示，利用集成混合检索器提供的上下文来生成响应，从而完成RAG链的实现。

template = """Answer the question based only on the following context:
{context}

Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)

chain = (
    RunnableParallel(
        {
            "context": _search_query | retriever,
            "question": RunnablePassthrough(),
        }
    )
    | prompt
    | llm
    | StrOutputParser()
)

最后，我们可以继续测试我们的混合RAG实现。

chain.invoke({"question": "Which house did Elizabeth I belong to?"})
# 搜索查询：Which house did Elizabeth I belong to?（伊丽莎白一世属于哪个王朝?）
# 'Elizabeth I belonged to the House of Tudor.'（'伊丽莎白一世属于都铎王朝。'）

此示例还加入了一个查询重写功能，使RAG链能够适应并支持追问的对话环境。鉴于我们使用的是向量和关键字搜索方法，我们必须重写后续问题以优化我们的搜索过程。

chain.invoke(
    {
        "question": "When was she born?",
        "chat_history": [("Which house did Elizabeth I belong to?", "House Of Tudor")],
    }
)
# 搜索查询：When was Elizabeth I born?（她出生于何时）
# 'Elizabeth I was born on 7 September 1533.'（'伊丽莎白一世于1533年9月7日出生。'）

可以观察到，When was she born?首先被重写为When was Elizabeth I born? 。然后使用重写后的查询来检索相关上下文并回答问题。