在当今AI时代，检索增强生成(RAG)已成为提升大语言模型回答质量的关键技术。本文将探讨如何结合知识图谱和向量数据库构建更智能的图RAG系统，让AI回答更准确、更可靠。

图RAG是什么？为什么需要它？

想象一下，传统RAG就像是一个勤奋但视野有限的图书管理员，只能根据关键词匹配找到相关书籍。而图RAG则像是一位博学多才的专家，不仅知道每本书的内容，还了解它们之间错综复杂的关联。

传统RAG虽然能从海量文档中检索相关片段，但它就像戴着眼罩看世界—看到了内容，却看不到内容间的联系。图RAG通过引入知识图谱这把"魔法钥匙"，打开了数据关系的大门，让AI不仅理解"是什么"，还能理解"为什么"和"怎么样"，从而提供更全面、更深入的回答。

目前主要有三种实现图RAG的方式：

一是基于向量的检索，将知识图谱向量化存储在向量数据库中，通过相似度匹配检索。

二是相关实体提示查询检索使用LLM将自然语言转换为SPARQL或Cypher查询语句，直接查询知识图谱。

最后就是二者结合的混合方法，结合两者优势，先用向量搜索初步检索，再用知识图谱进行筛选优化。

实验比较：三种方法的优劣

我们以电子商务产品推荐系统为例，对比三种方法在语义搜索、相似度计算和RAG方面的表现。

方法一：向量数据库检索

首先，我们将产品描述和用户评论向量化存入Milvus向量数据库：

# 定义数据模式 collection_name = "products" dim = 1536  # OpenAI embedding维度  # 创建集合 collection = Collection(name=collection_name) collection.create_field(FieldSchema("id", DataType.INT64, is_primary=True)) collection.create_field(FieldSchema("title", DataType.VARCHAR, max_length=200)) collection.create_field(FieldSchema("description", DataType.VARCHAR, max_length=2000)) collection.create_field(FieldSchema("embedding", DataType.FLOAT_VECTOR, dim=dim))  # 写入数据 with collection:       for index, row in df.iterrows():           embedding = get_embedding(row.title + " " + row.description)         collection.insert([             [index], [row.title], [row.description], [embedding]         ])

语义搜索测试：搜索"轻便防水运动鞋"时，返回相关产品：

《超轻透气跑步鞋》

《防水户外徒步鞋》

《多功能运动训练鞋》

这里向量数据库展现了良好的语义理解能力，能找到功能相关的产品，即

使它们的描述用词不完全一致。

当用户询问"推荐适合雨天跑步的鞋子"时，系统检索出相关产品并生成建议：

以下是几款适合雨天跑步的鞋子推荐： - 防水透气跑步鞋XYZ采用特殊橡胶外底，提供优异抓地力 - 全天候运动鞋ABC配备防泼水面料，轻量设计适合长跑 - 专业越野跑鞋DEF具有排水设计，即使踩水也能快速干燥

然而，我们发现一个问题：向量数据库可能会返回视觉上相似但功能不匹配的产品(如时尚休闲鞋)，这会导致"上下文污染"，使LLM生成的推荐不够精准。

方法二：知识图谱检索

接下来，我们将同样的数据构建成知识图谱：

# 创建实体和关系 g.add((product_uri, RDF.type, Product)) g.add((product_uri, name, Literal(row['title']))) g.add((product_uri, description, Literal(row['description'])))  # 添加产品属性和分类关系 for feature in features:       feature_uri = create_valid_uri("http://example.org/feature", feature)       g.add((feature_uri, RDF.type, Feature))      g.add((product_uri, hasFeature, feature_uri))

语义搜索测试：我们不仅搜索"防水"标签，还利用产品本体的层级关系，同时搜索相关概念如"防泼水"和"快干"：

# 获取防水的相关概念 related_concepts = get_all_related_concepts("WaterProof", depth=2) # 将所有概念转为URI进行查询 feature_terms = [convert_to_feature_uri(term) for term in flat_list]

结果返回：

《全天候防水徒步鞋》(标签：防水、耐磨、户外)

《速干涉水溯溪鞋》(标签：快干、防滑、水上运动)

《Gore-Tex专业跑鞋》(标签：防泼水、透气、专业跑步)

知识图谱的优势在于结果可解释性强，我们知道每个产品为什么被选中。

方法三：混合方法

最后，我们结合两种方法的优势：

将产品描述、评论和特性标签一起向量化：# 创建包含产品特性的向量表示 collection = Collection(name="products_with_features") collection.create_field(FieldSchema("id", DataType.INT64, is_primary=True)) collection.create_field(FieldSchema("title", DataType.VARCHAR, max_length=200)) collection.create_field(FieldSchema("description", DataType.VARCHAR, max_length=2000)) collection.create_field(FieldSchema("features", DataType.VARCHAR, max_length=500)) collection.create_field(FieldSchema("product_uri", DataType.VARCHAR, max_length=200)) collection.create_field(FieldSchema("embedding", DataType.FLOAT_VECTOR, dim=dim))先用向量搜索获取初步结果：# 搜索适合雨天跑步的鞋子 search_params = {     "metric_type": "COSINE",     "params": {"nprobe": 10} } results = collection.search(     [get_embedding("适合雨天跑步的鞋子")],     "embedding",     search_params,     limit=20,     output_fields=["title", "description", "features", "product_uri"] )再用知识图谱筛选和排序：# 筛选出真正具备防水和跑步功能的产品 query = """ SELECT ?product ?title ?description WHERE {   ?product hasFeature ?feature1.   ?product hasFeature ?feature2.   ?product name ?title.   ?product description ?description.   FILTER (?product IN (%s) && ?feature1 IN (%s) && ?feature2 IN (%s)) } """

这种混合方法解决了上下文污染问题，最终返回的都是真正适合雨天跑步的专业鞋款：

《GTX防水专业马拉松跑鞋》

《全天候防泼水竞速跑鞋》

《防滑防水越野跑步鞋》