从零构建本地Graph-RAG知识图谱系统

1. 项目概述

在信息爆炸的时代，我们每天都在处理海量的知识碎片——会议记录、技术文档、研究论文、个人笔记等等。传统的知识管理方式往往止步于"存储"和"检索"，却难以建立知识之间的有机联系。这正是我着手构建"私有第二大脑"的初衷：一个不仅能存储信息，更能理解信息间关联的智能知识系统。

Graph-RAG（图检索增强生成）技术为解决这一问题提供了新思路。与传统的RAG（检索增强生成）相比，Graph-RAG不仅能够找到相关文本片段，还能揭示这些片段背后的实体关系网络。想象一下，当你查询"Graph-RAG"时，系统不仅能告诉你它的定义，还能展示它与知识图谱、Neo4j、传统RAG等技术的关系链——这正是知识工作者梦寐以求的"关联式思考"能力。

本文将分享如何从零开始搭建一个最小可用的本地Graph-RAG系统。这个系统具备以下核心能力：

• 原始文本的清洗与结构化存储
• 基于语义的向量检索
• 实体关系的自动抽取与图谱构建
• 智能问答的流程编排

2. 核心架构设计

2.1 四层架构解析

我们的系统采用分层设计，每层各司其职：

1. 原始文本层：作为知识源头，存储Markdown、TXT及PDF转换后的纯文本，保留完整的原始信息。关键设计点在于为每篇文档维护可追溯的元数据，包括：

   • doc_id：唯一文档标识
   • title：文档标题
   • source：来源路径
   • created_at：创建时间戳
   • content：清洗后的正文内容

2. 向量检索层：使用轻量级的Chroma实现语义搜索。这一层的核心价值是将用户查询转换为向量后，从海量文本中快速召回最相关的片段。我们特别设计了chunk机制：

   • 动态切块（600字符/块，重叠120字符）
   • 保留段落完整性
   • 每个chunk附带来源信息

3. 图谱层：基于Neo4j构建的知识网络。这里我们不仅存储实体本身，更重要的是捕获实体间的关系类型：

   mermaid复制graph LR
   Document-->|HAS_CHUNK|Chunk
   Chunk-->|MENTIONS|Entity
   Entity-->|RELATED_TO|Entity
   Entity-->|PART_OF|Entity
   

4. Agent编排层：用LangGraph实现的智能流程控制器。它像乐队的指挥，协调各个组件的协作：

   • 接收用户问题
   • 调用向量检索
   • 识别核心实体
   • 查询关系网络
   • 生成最终答案

2.2 技术选型考量

在选择技术栈时，我们特别考虑了以下因素：

提示：在验证阶段，建议选择文档齐全、社区活跃的工具，这能显著降低排错成本。

3. 环境准备与配置