前面我们在介绍查询路由的时候，提到过可以用图数据库来增强RAG的效果，同时在提示词改写的时候也提到过，通过问题拆解，可以解决多跳问题回答效果不好的问题。
这些都和我们这一期要讲的Graph RAG有关系。
Graph RAG 是一种结合了图结构（Graph）与RAG,技术的新型人工智能架构。它在传统 RAG 的基础上引入了知识图谱或由文本构建的图结构，以更有效地组织、检索和利用信息，从而提升大语言模型（LLM）在复杂问答、推理和知识密集型任务中的表现。
传统的 RAG 方法通常包括两个步骤：
1. 检索（Retrieval）：从大规模文档库中用向量相似度（如 embedding）检索出与用户查询最相关的若干段落。
2. 生成（Generation）：将检索到的内容与原始问题一起输入 LLM，生成答案。
但这种方法存在一些问题：
- 上下文碎片化：检索到的段落彼此孤立，缺乏语义关联。
- 难以处理多跳推理：例如“爱因斯坦在哪所大学工作过？该校位于哪个国家？”需要两步推理，传统 RAG 难以有效支持。（虽然问题改写可以解决一部分，但是跳数过多，或者逻辑过于复杂的未必能解决）
- 重复/冗余信息：不同文档可能包含相同事实，导致信息冗余或冲突。
- 缺乏全局知识结构：无法利用实体之间的关系进行推理。
Graph RAG 的核心思想是：将非结构化文本转化为结构化的图，并在图上进行智能检索与推理。
GraphRAG和传统RAG的主要区别就是会借助图数据库和知识图谱技术，抽取文档中的实体之间的关系，构建一个图结构，不再依赖相似度检索，而是改用图的拓扑结构来定位相关信息。
知识图谱
知识图谱是一种以图结构表示实体及其之间关系的知识库。它将现实世界中的事物（如人、地点、事件、概念等）建模为节点（实体），将它们之间的语义关系建模为边（关系）。 典型三元组形式：(实体, 关系, 实体) 例如：(吴京, 参演过, 战狼)
图数据库
图数据库是一种专门用于存储、查询和管理图结构数据的 NoSQL 数据库。它以节点（Node）、边（Edge/Relationship） 和 属性（Property） 为核心模型，天然适合表达和处理高度互联的数据。 - 节点（Node）：表示实体，如“用户”、“商品”、“城市”。 - 边（Edge / Relationship）：表示节点之间的关系，如“购买”、“关注”、“位于”。边是有方向的（可选），并可携带属性。 - 属性（Property）：键值对，用于描述节点或边的特征，如 {name: "张三", age: 30}。 图数据库如果只能推荐一个的话，那一定是Neo4j 接下来，我们就以Neo4J为例，介绍一个通过图数据库+知识图谱做检索的例子，使我们的RAG系统能够回答这样的多跳问题：电影《十面埋伏》的导演，还导演过什么电影？ 这是一个经典的多跳图查询，我们需要在 Neo4j 中执行以下逻辑： 1. 找到电影《十面埋伏》 2. 找到导演了这部电影的导演。 3. 找出该导演还导演了哪些其他电影。
Neo4J 部署
docker run \
--name neo4j \
-p 7474:7474 -p 7687:7687 \
-v $HOME/neo4j/data:/data \
-v $HOME/neo4j/logs:/logs \
-v $HOME/neo4j/conf:/conf \
-e NEO4J_AUTH=neo4j/neo4j666 \
-e NEO4JLABS_PLUGINS='["apoc"]' \
-d neo4j:5.22-community
部署成功后，使用http://localhost:7474 访问
Neo4J接入
添加依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-neo4j</artifactId>
</dependency>
增加配置：
spring:
neo4j:
uri: bolt://localhost:7687
authentication:
username: neo4j
password: your_password
定义实体类
@Node("Movie")
public class Movie {
@Id
private String title;
private int year;
public Movie() {
}
public Movie(String title, int year) {
this.title = title;
this.year = year;
}
// Getters
public String getTitle() {
return title;
}
public int getYear() {
return year;
}
}
@Node("Director")
public class Director {
//导演
private String director;
@Id
private String name;
public Director() {
}
public Director(String name) {
this.name = name;
}
public String getName() {
return name;
}
}
创建 Repository
@Repository
public interface MovieGraphRepository extends Neo4jRepository<Movie, String> {
@Query("""
MATCH (m:Movie {title: $title}) <-[:DIRECTED]- (d:Director) -[:DIRECTED]-> (other:Movie)
WHERE other.title <> $title
RETURN d.name AS director, collect(other.title + ' (' + other.year + ')') AS otherMovies
""")
List<DirectorMoviesDto> findOtherMoviesBySameDirector(String title);
}
这里面返回值我们封装成DirectorMoviesDto：
public class DirectorMoviesDto {
private String director;
private List<String> otherMovies;
public DirectorMoviesDto() {
}
public DirectorMoviesDto(String director, List<String> otherMovies) {
this.director = director;
this.otherMovies = otherMovies;
}
public String getDirector() {
return director;
}
public void setDirector(String director) {
this.director = director;
}
public List<String> getOtherMovies() {
return otherMovies;
}
public void setOtherMovies(List<String> otherMovies) {
this.otherMovies = otherMovies;
}
}
接着，定义Service
@Service
public class GraphService {
@Autowired
private MovieGraphRepository repository;
public String retrieveContext(String movieName) {
List<Map<String, Object>> results = repository.findOtherMoviesBySameDirector(movieName);
if (results.isEmpty()) {
return "未找到导演过《" + movieName + "》的导演的其他作品。";
}
StringBuilder sb = new StringBuilder();
for (Map<String, Object> row : results) {
String director = (String) row.get("director");
@SuppressWarnings("unchecked")
List<String> movies = (List<String>) row.get("otherMovies");
sb.append(String.format("- 导演 %s 还执导了：%s\n", director, String.join("、", movies)));
}
return sb.toString().trim();
}
}
定义Controller，先做数据初始化：
@RequestMapping("/rag/graph")
@RestController
public class GraphRagController {
@Autowired
private Neo4jTemplate neo4jTemplate;
@Autowired
private Neo4jClient neo4jClient;
@GetMapping("/init")
public String initData() {
// 保存节点
neo4jTemplate.save(new Director("张艺谋"));
neo4jTemplate.save(new Director("陈思诚"));
neo4jTemplate.save(new Movie("十面埋伏", 2004));
neo4jTemplate.save(new Movie("影", 2016));
neo4jTemplate.save(new Movie("英雄", 2002));
neo4jTemplate.save(new Movie("误杀", 2019));
neo4jClient.query("""
MATCH (p:Director {name: $name}), (m:Movie {title: $title})
MERGE (p)-[:DIRECTED]->(m)
""")
.bind("张艺谋").to("name")
.bind("十面埋伏").to("title")
.run();
neo4jClient.query("""
MATCH (p:Director {name: $name}), (m:Movie {title: $title})
MERGE (p)-[:DIRECTED]->(m)
""")
.bind("张艺谋").to("name")
.bind("影").to("title")
.run();
neo4jClient.query("""
MATCH (p:Director {name: $name}), (m:Movie {title: $title})
MERGE (p)-[:DIRECTED]->(m)
""")
.bind("张艺谋").to("name")
.bind("英雄").to("title")
.run();
neo4jClient.query("""
MATCH (p:Director {name: $name}), (m:Movie {title: $title})
MERGE (p)-[:DIRECTED]->(m)
""")
.bind("陈思诚").to("name")
.bind("误杀").to("title")
.run();
return "Data initialized successfully";
}
}
neo4jTemplate.save可以直接来保存节点，但是关系需要使用neo4jClient.query("...").bind(...).to(...).run(); ，他是使用Neo4J的Cypher语言进行数据库操作的，实现数据的初始化。 做图数据库检索及回答：
@RequestMapping("/rag/graph")
@RestController
public class GraphRagController {
@Autowired
private GraphService graphService;
@Autowired
private ChatModel chatModel;
@GetMapping("/ask")
public String ask(@RequestBody String movieName) {
String context = graphService.retrieveContext(movieName);
String prompt = """
你是一个电影知识助手，请根据以下上下文回答问题。
如果上下文没有足够信息，请回答“我不知道”。
上下文：
%s
问题：%s
回答：
""".formatted(context, movieName + "的导演还执导过哪些电影？");
return chatModel.call(prompt);
}
}