GraphRAG · Demo

GraphRAG 知识库问答系统

把企业产品操作手册变成「能查、能答、答有所依」的智能助手—— 先让大模型找对知识，再组织答案，从根上杜绝一本正经地胡说。

它解决什么痛点为什么不直接用通用大模型 / 关键词搜索

手册太厚
产品操作手册动辄几百页，员工想找个步骤翻半天找不到。

搜索抓瞎
关键词对不上就搜不到，检索质量全看运气。

大模型幻觉
直接问通用大模型，张口就来、答非所问，且无法追溯依据，不敢信。

核心功能七大能力一览

FEATURE 01

智能意图识别

自动判断问题类型：解释 / 生成方案 / 优化建议 / 无效，分流到不同回答策略，无关闲聊直接拦截。

FEATURE 02

实体驱动的第一阶段检索

用 BGE 向量把问题映射到知识库中的业务实体（如「会议室预订」「工作台」「审批人」），精准锁定相关概念，而非整篇瞎匹配。

FEATURE 03

知识图谱扩展

基于 Neo4j 图谱，从命中实体沿关系 1–2 跳 向外扩展，挖出间接相关知识—— 这是 GraphRAG 相比普通 RAG 的核心增强。

FEATURE 04

向量 + 关键词混合检索

BGE 向量语义检索叠加 BM25 关键词检索，先 Min-Max 归一化 再加权融合，兼顾「意思相近」与「字面命中」。

FEATURE 05

大模型流式回答

DeepSeek 经 SSE 逐字流式输出，像打字机一样实时显示，首字节即响应，无卡顿假象。

FEATURE 06

答案可追溯

每个回答都附带「召回实体 / 图谱三元组 / 来源文本块」，人能一键核对依据，知道答案从哪来。

FEATURE 07

降级容错

Neo4j / Redis 没启动也不崩——自动降级为内存模式，图谱能力暂时关闭但问答仍在，本地零依赖也能跑。

系统架构双路检索汇入生成，答案带证据链

三路检索结果（实体 / 图谱 / 混合文本）汇入 Prompt 组装，由大模型生成带依据的答案。

一次问答的处理流程从提问到答案的六个环节

意图识别
DeepSeek 判断问题属于解释 / 生成 / 优化 / 无效，无效问题直接拦截不浪费检索。

实体召回（第一阶段）
用 BGE 查询向量在实体索引中召回 Top-5 业务实体，定位问题涉及的领域概念。

图谱扩展 + 三元组缓存
对命中实体在 Neo4j 中做 1–2 跳扩展；会话内缓存三元组，跳过历史实体的重复查询但保留上下文。

混合检索（第二阶段）
以实体描述作查询，FAISS 向量检索 + BM25 关键词检索，Min-Max 归一化后加权融合（向量 0.6 / BM25 0.4）。

上下文组装
拼接召回文本、图谱三元组、历史对话，压缩超长内容，填入口型化 Prompt 模板。

流式生成 + 落库
DeepSeek 经 SSE 逐字输出；完成后把问答与命中实体写入会话历史，供后续多轮连贯。

技术栈全部为真实落地组件

FastAPI后端服务 / SSE 流式

FAISS向量相似检索

BM25关键词检索(rank_bm25)

BGE-small-zh-v1.5中文向量编码

Neo4j知识图谱存储/扩展

Redis会话/三元组缓存(可降级)

DeepSeek意图识别 + 答案生成

jieba中文分词(BM25 用)

工程化亮点不是玩具 Demo，是按生产级思路写的

真实向量编码：用 BGE 替换早期伪随机向量，检索才有语义意义。
融合排序修复量纲 bug：先 Min-Max 归一化再加权，解决「向量分被 BM25 淹没」的老问题。
三元组缓存：会话内跳过历史实体的重复图谱查询，但复用其已召回三元组，保证上下文不丢。
流式不卡顿：LLM 阻塞流放进线程池，经 asyncio.Queue 桥接回事件循环，实现真正的逐字流式。
优雅降级：Neo4j / Redis 连接异常捕获后降级内存，图谱能力关掉问答也不崩。

系统界面截图真实运行画面 · 来自本机 Neo4j + GraphRAG 服务

截图 01 · 主问答界面

主问答界面

服务起在 http://127.0.0.1:8000/，输入框等待提问；副标题点出三大能力：BGE 向量 + BM25 混合检索、知识图谱扩展、SSE 流式生成。

截图 02 · 检索过程与上下文

一次问答的完整证据链

上：流式回答正文，关键名词（如「宝企通企业微信管理平台」「会议时间」「会议主题」）已加粗；下：折叠面板展开后，依次呈现 意图 = explain、召回实体（带相似度分数）、图谱三元组、融合召回文本块——这就是「答案可追溯」的具体实现。

截图 03 · Neo4j 知识图谱

实体关系网络

Neo4j Browser 执行 MATCH (n:Entity)-[r]-(m) RETURN n,r,m LIMIT 100，全图 428 节点 / 597 关系，本次结果 68 节点 / 78 关系。左侧标签：节点类型（Entity / Module / Button / Step）、关系类型（包含 / 操作 / 分配 / 触发 / 拥有等 17 种），围绕「会议室预订」星形辐射展开。

意图 · explain 解释类问答示例：「登录失败怎么办」

截图 04-A · 解释类

问「登录失败怎么办」

系统识别意图为 explain，召回实体聚焦 「退出登录 / 登录地址 / 登录用户」，图谱顺延到 「宝企通企业微信管理平台」。回答风格：分步排查清单 + 关键名词加粗（认证地址、扫码登录、应用可见范围…），结尾还给出「自检能否正常访问」的兜底建议。

意图 · generate 生成类问答示例：「帮我生成新建账号流程」

截图 04-B · 生成类

问「帮我生成新建账号流程」

系统识别意图为 generate，召回实体变为 「主账号 / 创建人 / 新增子账户 / 设置角色」，路径直指后台角色权限模块。回答风格：流程化步骤（①–⑥ 编号） + 关键按钮加粗（新增角色 / 设置子账户 / 一键同步通讯录），并附「关键按钮与名词」速查表。