Coze搭建知识图谱：GraphRAG原理及实战讲解（一）

从基础RAG迈向图增强检索，解锁知识库构建新思路，攻克复杂场景下的检索难题。

之前我们已经系统讲解了Native RAG的基本原理与使用方法。借助各类平台搭建专属知识库，如今已不再是什么难事。

Native RAG的优势在于门槛较低，但其局限性也很明显——它无法在文本块之间建立关联，检索效果通常只能达到六七十分的水平，真要用于生产环境，心里还是没底。

所以，今天咱们开启一个新话题，深入探讨Graph RAG，看看它如何应对复杂的知识场景。

Native RAG回顾

先简单复习一下Native RAG的基本概念。

Native RAG包含两条核心流程：数据入库和信息检索。

• 入库流程主要涵盖数据清洗、文本分块、向量化转换等步骤。
• 检索流程主要涉及检索策略优化、多路召回、结果重排序、生成内容优化等环节。

Graph RAG是什么

Graph RAG是一种基于结构化分层思想的检索增强生成方法。

在构建知识库时，它会把知识转换成图结构，并存储到图数据库中。

图数据库通常不直接保存数据片段，而是保存数据实体，并在实体之间建立关联关系——这正是Graph RAG最关键的环节。

数据实体与数据关系

举个例子：

# 原文
电影《雪季过客》上映于2006年。这是一部剧情/爱情电影，豆瓣评分8.3分，2006年上映以来好评如潮。导演马克·埃文斯，主演艾伦·瑞克曼和埃米丽·汉普希尔。

# 实体通常是有意义的名词，如人名、地名、物品名等。
# 我们能提取的实体是：
雪季过客，2006年，剧情电影，爱情电影，豆瓣8.3分
马克·埃文斯，艾伦·瑞克曼，埃米丽·汉普希尔

# 实体关系用于描述两个实体之间的关联，通常是动词。
# 我们能得到的实体关系如下：
上映，分类，评分，导演，主演

# 最终得到一组实体与关系：
Trunk1: 
(雪季过客)-[上映]->(2006年)
Trunk2:
(雪季过客)-[类型]->(剧情)
(雪季过客)-[类型]->(爱情)
(雪季过客)-[豆瓣评分]->(8.3分)
Trunk3:
(雪季过客)-[导演]->(马克·埃文斯)
(雪季过客)-[主演]->(艾伦·瑞克曼)
(雪季过客)-[主演]->(埃米丽·汉普希尔)

数据存入图数据库后，大致呈现如下形态：

检索时，就可以沿着实体之间的关系，轻松探索到关联知识。

Native RAG vs Graph RAG

现在假设我们拥有一批电影数据，数量大约几万部。

每部电影的数据结构如下：

采用Native RAG进行分块和向量化后，可以轻松召回对应的电影信息。

# 例子1
Q：雪季过客什么时候上映的？
A：2006年。
# 例子2
Q：雪季过客的导演是谁？
A：马克·埃文斯，他也担任了本片的编剧。

因为每部影片的基础信息都被作为一个Chunk存储在向量库里，所以回答这类简单问题基本没有压力。

但如果问题变成这样：

# 例子1
Q：雪季过客的导演还出品过哪些影片？

# 例子2
Q：今年一共上映了多少部日本电影？

由于知识库里缺少这类跨实体的关联数据，检索效果就会大打折扣，或者需要在工程层面做大量补偿才能勉强达到满意效果。

而Graph RAG处理这类问题就从容得多了。

Graph RAG的工作机制

Graph RAG的实现机制比Native RAG复杂不少，但总体也分为两大模块：数据构建和数据检索。

数据构建

数据构建主要经过以下几个步骤：

详细流程见下图：

数据检索

数据检索的策略多种多样，需要根据实际场景灵活调整，后续文章会专门介绍。这里先介绍两种常用方式：

• 全局搜索（Global Search）：检索社区摘要信息并返回。
• 本地搜索（Local Search）：检索实体信息，并通过实体关系扩大搜索范围。

大致原理如下图：

体验Graph RAG

了解了基本原理，咱们就来实际操作体验一下。用Coze工作流搭建一个简易的Graph RAG。

图数据库

首先需要选择一款图数据库，这里我们选用Neo4j。

它支持本地部署和在线使用，可以先试用免费版。

创建实例后，点击Query即可连接到数据库，右侧可以编写Cypher查询语句来操作。

注意：创建实例时会生成数据库的账号和密码，请务必妥善保管，后续会用到。

Cypher

Cypher语句与SQL类似，可以对数据库进行增删改查。这里提供几个最简单的示例：

# 创建一个实体"电影"，名字叫"拯救大兵瑞恩"
CREATE(m:电影{name:"拯救大兵瑞恩"})
# 创建另一个实体"人员"，名字叫"汤姆·汉克斯"
CREATE(p:人员{name:"汤姆·汉克斯"})
# 创建一个关系：拯救大兵的主演是汤姆·汉克斯
CREATE(m)-[:主演]->(p)
# 找到所有电影和对应的主演，并返回
MATCH(m:电影)-[:主演]-(p:人员)
RETURN m.name, p.name

将以上语句复制到查询框中，就可以体验Graph RAG的基本操作。

用Coze工作流搭建电影知识图谱

完成后的基本功能示例如下：

# 示例1
紫日的导演还出品过其他什么电影？
# 示例2
有哪些日语电影？
# 示例3
紫日的基本介绍？

为了便于演示和理解，这里不引入向量数据库，而是直接构建查询语句来操作图数据库。

知识图谱构建

先用一个循环处理多条数据：

1. 从远端获取电影数据
2. 清洗数据，去除无用信息
3. 调用大模型提取实体，并生成查询语句
4. 调用接口将数据插入数据库

实体与实体关系提取

工作流本身并不复杂，核心在于如何提取实体。提示词需要根据不同的业务场景进行调整：

# 角色
实体提取大师

# 任务
1. 根据输入数据，尽可能全面地提取实体和实体关系，并建立实体之间的关联。
2. 实体必须从[实体列表]中选取，不得自行创造。
3. 实体关系必须从[实体关系列表]中选取，不得自行创造。
4. 实体具备属性，参考[实体属性表]，不得自行创造属性。
5. 不要解释，不要额外输出其他内容，严格按照输出格式要求。
6. 最终转换为Cypher格式，方便直接插入Neo4j数据库。

# 实体列表
[影片, 语种...]

# 实体关系
[分类, 语言...]

# 实体列表与实体关系的映射
(影片)-[上映时间]->(年份)
...

# 实体属性表
(影片{name:"String", intro:"String"})
...

# 输出示例
MERGE(m:影片{name:"拯救大兵",intro:"故事发生在..."})
MERGE(l:语种{name:"英语"})
MERGE(m)-[n:语言]-[l]
...

调用Neo4j数据库

使用HTTP模块直接调用即可：

# $id 是你的数据库实例ID，在Neo4j实例页面可见
# $key 是你的账号密码base64
# $query 是你的实际查询语句
# 使用以下命令生成$key：echo -n "你的账号:你的密码" | base64
# 账号密码在创建Neo4j实例时已保存。

curl -X POST "https://$id.databases.neo4j.io/db/neo4j/query/v2" \
  -H "Authorization: Basic $key" \
  -H "Content-Type: application/json" \
  -d '{
  "statement": "$query",
  "parameters": {}
}'

知识图谱检索

1. 使用大模型识别用户意图，并将其拆解为Cypher查询语句。
2. 实际查询数据。
3. 根据查询结果和用户问题，总结答案。

实体检索提示词

# 角色
Neo4j数据检索助手

# 任务
1. 理解用户的问题，并将其转化为Cypher查询语句。
2. 从图数据库中尽可能全面地查询与用户问题相关的内容。
3. 不需要回答用户问题，也不需要解释。
4. 只需输出Cypher查询语句，方便后续直接调用Neo4j数据库。
5. 可用的实体列表、实体关系及映射关系参见下文。
6. 不要自行创造实体、实体关系或映射关系。

# 实体列表
[影片...]

# 实体关系
[分类...]

# 实体列表与实体关系的映射
(影片)-[上映时间]->(年份)
...

# 实体属性表
(影片{name:"String", intro:"String"})
...

# 输出示例
Q: 找到1994年安东尼导演的作品。
MATCH(m:影片)-[:上映时间]->(n:年份{name:1994}) WITH m MATCH(m)-[:导演]->(p:人员{name:"安东尼"}) RETURN p.name as name

结果预览

由于样例数据有限，检索结果仅供参考。要想获得理想效果，需要导入全量电影数据。

# 示例1
Q: 有哪些日本电影？
A: 有以下日本电影：《驾驶我的车》《世界奇妙物语 06秋之特别篇》《何时是读书天》《隐剑鬼爪》《哆啦A梦：大雄与风之使者》《宛如阿修罗》《星之声》《精灵宝可梦：水都的守护神 拉帝亚斯与拉帝欧斯》《GO!大暴走》《哆啦A梦：大雄与翼之勇者》《心动》《不夜城》《海上花》《烟花》。

# 示例2
Q: 谁出演过两部以上的电影作品？
A: 金城武出演过两部以上的电影作品。

# 示例3
Q: 金城武都演了哪些电影？
A: 金城武出演的电影有《心动》《不夜城》。

总结

今天大致了解了Graph RAG的基本工作原理和应用边界，并且亲手实践了一次。

目前的案例还比较简单，随着项目不断深入，我们也会持续演进和迭代工作流。