GraphRAG 结合知识图谱与向量检索提升大模型问答准确性。本文基于 PolarDB、通义千问和 LangChain 搭建系统，利用 PolarDB 同时支持 AGE 图引擎和 pgvector 插件的特性，实现图数据与向量数据的统一存储。通过对比单独使用向量检索、图检索及联合搜索的效果，验证了图 + 向量联合搜索在复杂查询中的优势，能有效减少幻觉并增强上下文理解，提供高质量的 RAG 问答结果。
本方案介绍如何使用 PolarDB、通义千问和 LangChain 搭建 GraphRAG 系统，结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性，并通过图 + 向量联合搜索增强了问答准确性。PolarDB 支持 AGE 图引擎和 pgvector 插件，实现图数据和向量数据的统一存储与检索，提升了 RAG 系统的性能和效果。
知识图谱 (KG) 是谷歌提出的一种知识表示形式，它通过互联的节点和实体捕捉知识，以结构化的形式表示关系和信息。
知识图谱具有以下优势：
知识图谱被广泛应用于金融风控，企业知识管理以及社交网络分析等多种业务场景中。
检索增强生成（Retrieval Augmented Generation, RAG）作为一种强大的技术，它结合了信息检索与生成模型的创新方法，用来解决大语言模型 (LLM) 的局限性问题。
RAG 通过利用从各种来源检索到的相关数据来增强 LLM 提示，来实现更为准确和上下文相关的文本生成。RAG 系统的准确性在很大程度上依赖于它们获取相关、可验证信息的能力。
RAG 中信息检索通常使用诸如关键词匹配或语义相似性等技术来实现的。在语义相似性中，例如，数据被表示为由 AI 嵌入模型生成的数值向量，这些向量试图捕捉其含义。前提是，相似的向量在向量空间中相互靠近，然后通过近似最近邻（ANN）搜索获取相似的信息；关键词匹配则更为简单，使用准确的关键词匹配来查找信息，通常使用诸如全文检索等算法。
但是，基于关键词或相似性搜索构建的简单 RAG 系统在需要推理的复杂查询中表现不佳。简单的相似度的检索无法对实体之间的关系进行推理和判断。
GraphRAG 是一种新的 RAG 系统，它结合了知识图谱和大型语言模型（LLM）的优势。在 GraphRAG 中，知识图谱作为事实信息的结构化资源库，LLM 将自然语言转换为知识图谱的查询信息，从图谱中检索相关知识，并生成针对问题的回答。
GraphRAG 解决了上述许多局限性，因为它能够对数据进行推理。
GraphRAG 具有以下优势：
本文以一个开源的股票知识图谱为例，介绍如何使用 PolarDB+ 通义千问+LangChain 搭建一个 GraphRAG 系统。
PolarDB PostgreSQL 版（下文简称为 PolarDB）是一款阿里云自主研发的云原生关系型数据库产品，100% 兼容 PostgreSQL，高度兼容 Oracle 语法；采用基于 Shared-Storage 的存储计算分离架构，具有极致弹性、毫秒级延迟、HTAP 的能力和高可靠、高可用、弹性扩展等企业级数据库特性。同时，PolarDB 具有大规模并行计算能力，可以应对 OLTP 与 OLAP 混合负载。
PolarDB 具备高度兼容 apache AGE 的图引擎，支持对知识图谱的存储和查询检索。同时 PolarDB 具备 pgvector 增强插件，支持对向量数据的存储与检索。
通义千问是由阿里云自主研发的大语言模型，用于理解和分析用户输入的自然语言，在不同领域和任务为用户提供服务和帮助。
在 RAG 场景中，通义千问基于用户的查询或上下文，结合用户兴趣或历史交互相关的信息，生成更加个性化的回复。
LangChain 是一个开源的工具包和框架，旨在简化和加速基于语言模型的应用程序开发。LangChain 的核心在于将强大的语言模型（如 OpenAI 的 GPT 系列、阿里云的通义千问等）与实际应用结合起来，帮助开发者构建诸如聊天机器人、文本生成、知识管理、代码辅助等多种自然语言处理（NLP）相关应用。
LangChain 中实现了 apache age 图插件和 pgvector 插件的支持，可以支持对于知识图谱和向量两种检索方式。
主要的查询流程如下图所示：
为了得到良好的体验，建议使用以下配置：
| 项目 | 推荐配置 |
|---|---|
| PolarDB 版本 | 标准版 兼容 PostgreSQL 14 |
| CPU | >16 Core |
| 内存 | >64 GB |
| 磁盘 | >100GB (AUTOPL) |
| 版本 | >2.0.14.23.1 |
申请阿里云灵积模型 api key（如已有 key 可略过此步骤）
进入阿里云官网，注册或登录；
搜索灵积模型服务，开通服务；
进入产品控制台，创建 api key；
该 api key 是访问灵积模型服务的凭证，需要妥善保管。
pip install langchain # 安装 langchain 环境
pip install langchain-community # 安装第三方集成，就是各种大语言模型
pip install python-dotenv # 加载工具
pip install dashscope # 灵积模型服务
pip install psycopg # 数据库连接
如遇到一些安装失败的问题，需要升级 python 版本 > 3.7。
age_graph.py 位于 /site-packages/langchain_community/graphs/age_graph.py 下，需要修改两处地方:
LOAD 'age'; sql 语句修改为 select * from ag_catalog.get_cypher_keywords() limit 0; 确保 PolarDB 可以正确加载对应的扩展MATCH ()-[e]-() RETURN collect(distinct label(e)) as labels 修改 MATCH ()-[e]->() RETURN collect(distinct label(e)) as labels 加速对图的 schema 的获取AGE 是一个为 PostgreSQL 系列数据库打造的扩展，旨在增强其处理图数据的能力。AGE 旨在结合关系型数据库与图数据库的优势，提供一个高性能、灵活且易于扩展的解决方案。
create extension age;
Vector 是一个 PostgreSQL 的扩展插件，用于高效地处理和查询高维向量数据。vector 插件提供了高维向量的存储以及基于向量的近似最近邻（Approximate Nearest Neighbor, ANN）搜索功能。
create extension vector;
将数据进行下载。数据分为两部分，一部分为图数据 (data/import 目录)，包含了人员 (Executive), 产业 (Industry), 股票 (Stock), 概念（Concept）等点以及人员 - 股票，股票 - 概念，股票 - 产业之间的关联关系，这部分数据以图的方式存储到 PolarDB 中。
另一部分为每个股票的介绍信息（data/stockpage），原始数据为股票的网页信息，切分后以向量的方式存储到数据库中以提供进一步的信息。
创建一个名为 stock_graph 的图用于存储该知识图谱：
SELECT create_graph('stock_graph');
附录 1 中脚本可以将数据转换为 Cypher SQL 脚本，配合客户端工具，如 psql 等可完成数据导入。转换后的 sql 脚本示意如下：
SELECT create_vlabel('stock_graph','person');
SELECT * FROM cypher('stock_graph', $$ CREATE (:person {person_id:'dddbd3ad0f2e3fca80da88296298bb51',name:'杜玉岱',gender:'男',age:'58'}) $$ ) as (n agtype);
SELECT * FROM cypher('stock_graph', $$ CREATE (:person {person_id:'2f867939e123f10437a15a127799248e',name:'延万华',gender:'男',age:'45'}) $$ ) as (n agtype);
SELECT * FROM cypher('stock_graph', $$ CREATE (:person {person_id:'e68b3ae7a003c60cd9d50e371cdb3529',name:'宋军',gender:'男',age:'48'}) $$ ) as (n agtype);
...
SELECT * FROM cypher('stock_graph', $$ MATCH (a:person), (b:stock) WHERE a.person_id = 'dddbd3ad0f2e3fca80da88296298bb51' AND b.stock_id = '601058' CREATE (a)-[e:employ_of {jobs:'董事长/董事'} ]->(b) RETURN e$$) as (e agtype);
cypher(, $$ (a:person), (b:stock) a.person_id b.stock_id (a)[e:employ_of {jobs:} ](b) e$$) (e agtype);
cypher(, $$ (a:person), (b:stock) a.person_id b.stock_id (a)[e:employ_of {jobs:} ](b) e$$) (e agtype);
...
文本信息按照一定规则切割后，以向量的形式存储到数据库中。切分采用 langchain 的 RecursiveCharacterTextSplitter 切分器，实际使用中可根据需要进行切分，并使用通义大模型转换为向量。
附录 2 中脚本可实现向量数据入库过程。
安装使用到的 python 包：
pip install BeautifulSoup
pip install bs4
数据库中创建了对应的数据表 docs 用于记录文本以及对应的文本向量。
CREATE TABLE IF NOT EXISTS docs (
id bigserial primary key,
title text,
content text, -- 文本内容
tokens integer,
embedding vector(1536) -- 向量
);
在向量上创建索引，此处使用 hnsw 索引，并使用欧式距离 (l2 距离) 进行查询。（索引类型和距离计算方式可根据实际需要进行选择）
CREATE INDEX ON docs USING hnsw (embedding vector_l2_ops);
以问题'李士祎关连的股票信息？'为例进行查询，并对于单独使用向量检索、图检索以及图加向量检索的结果进行对比。
定义大语言模型为通义千问
DASHSCOPE_API_KEY 从环境变量中读取：
import os
DASHSCOPE_API_KEY=os.environ["DASHSCOPE_API_KEY"]
from langchain.embeddings import DashScopeEmbeddings
embeddings = DashScopeEmbeddings(model="text-embedding-v1", dashscope_api_key=DASHSCOPE_API_KEY)
from langchain_community.llms import Tongyi
llm_tongyi=Tongyi(temperature=1)
RetrievalQA 是 LangChain 中封装的一个 chain，可以实现基于本地知识库的问答。
问答大语言模型过程中需要输入相关文档，来进行答案的生成。这里定义了一个 Retriever，通过向量检索的方式来获取相似度最大的 5 篇文档：
from langchain.schema import Document
from langchain_core.retrievers import BaseRetriever
class CustomRetriever(BaseRetriever):
def __init__(self):
super().__init__()
def _get_relevant_documents(self, query: str) -> list[Document]:
relevant_docs = []
cur = conn.cursor()
# Get the top 5 most similar documents using the KNN <=> operator
cur.execute("SELECT content FROM docs ORDER BY embedding <=> '{}' LIMIT 5".format(embeddings.embed_query(query)))
top3_docs = cur.fetchall()
cur.close()
for doc in top3_docs:
relevant_docs.append(Document(page_content=doc[0]))
return relevant_docs
custom_retriever = CustomRetriever()
进行问答：
from langchain.chains import RetrievalQA
# 创建 RetrievalQA
qa_chain = RetrievalQA.from_chain_type(llm=llm_tongyi, retriever=custom_retriever, verbose=True)
response = qa_chain.invoke("李士祎关连的股票信息?")
print(response)
问答结果如下：
根据提供的信息，没有找到与李士祎相关的股票信息。请提供更多的信息以便我能更准确地回答您的问题。如果无法提供更多细节，那么我将无法给出具体的答案。
可见查询结果无法获取正确的答案。
从执行过程中可以看到，直接执行向量相似度的执行结果如下：
('科士达 (002518) 公司资料_F10_同花顺金融服务网...',)
('佳士科技 (300193) 公司资料_F10_同花顺金融服务网...',)
('日签署的股权转让协议，沪士控股及碧景控股...',)
('5 年 8 月 1 日，香港碧景将其拥有的本公司全部股权转让...',)
('其中合并报表的有：7 家。序号关联公司名称参控关系...',)
这是因为涉及到的网页材料中与人名关联度较低，主要提供的是上市公司的相关信息，两者关联性不大，因此向量检索模式无法获取答案。
单独使用图搜索
LangChain 中图引擎实现了对于 AGE 的支持，使用时需要先定义一个图对象，并获取图的模式。这里图的模式是指点和边的类型信息，用于生产图的查询语言。
from langchain.chains import GraphCypherQAChain
from langchain_community.graphs.age_graph import AGEGraph
conf = { "database": "xxx", "user":"xxx", "host":"pc-xxxx.rwlb.rds.aliyuncs.com", "port":"1921", "password":"xxx"}
graph = AGEGraph(graph_name="stock_graph", conf=conf)
graph.refresh_schema()
GraphCypherQAChain 是 LangChain 中封装的一个 chain，可以将自然语言转为图查询，实现本地图谱的问答。
graphchain = GraphCypherQAChain.from_llm(llm_tongyi, graph=graph, verbose=True, top_k=5)
response = graphchain.invoke("李士祎关连的股票信息?")
print(response)
问答结果如下：
根据提供的信息，这里有关于股票的信息：股票名称为酒鬼酒，代码为 799。但是，没有直接提到李士祎相关的具体股票信息。所以，基于给出的数据，我们不知道李士祎具体的关联股票详情。
可见基于图的查询虽然查到了李士祎关联的股票为酒鬼酒，且股票代码为 799，但是由于图中并没有存储酒鬼酒的信息，因此也无法给出具体的信息。
从执行的过程中可以看到，langchain 生成了 Cypher 语句并在知识图谱中进行了执行，查询到了酒鬼酒的名称以及股票代码。
Generated Cypher:
MATCH (p:person)-[r:employ_of]->(s:stock) WHERE p.name = "李士祎" RETURN s.name, s.code
Full Context:
[{'name': '酒鬼酒', 'code': '799'}]
注意：如果 langchain 中生成的 Cypher 不正确，还可以使用 prompt 的方式给 langchain 提供示例 Cypher 以帮助生成。当然，也可以自定义一个 Retriever，通过连接数据库的方式执行自定义的 Cypher 以获得更加准确的回答。
以上两种查询的结果都不尽人意，因为向量检索和知识图谱都只存储了独立的内容，无法独自生成问答结果。将以上两种查询方式进行结合，把知识图谱的查询结果作为向量查询的输入信息，通过向量查询获取相关文档后，由 LLM 最终生成更加完整的问答结果。
此处定义了一个 prompt 的模版，把知识图谱的查询结果作为向量检索的输入，来获得更为准确的问答结果。
from langchain_core.prompts.prompt import PromptTemplate
from langchain.chains import LLMChain
graphchain = GraphCypherQAChain.from_llm(llm_tongyi, graph=graph, verbose=True, top_k=5, return_direct=True, #此处直接返回查询结果，不需要 llm 来组织回答)
template = """Task:Generate more detailed information about the raw answer.
The question is:`{question}`the raw answer from knowledge graph in format:`{answer}`please give more detailed answer about raw answer"""
prompt = PromptTemplate(input_variables=["question", "answer"], template=template)
llm_chain = LLMChain(llm=llm_tongyi, prompt=prompt)
def dynamic_query(question):
# first round use graph cypher qa
answer = graphchain.invoke(question)
if answer['result'] == '':
return "没有找到答案"
# 格式化输入提示
formatted_prompt = prompt.format(question=question, answer=answer['result'][0])
answer = qa_chain.invoke(formatted_prompt)
return answer
response = dynamic_query("李士祎关连的股票信息?")
print(response['result'])
问答结果如下：
根据提供的信息，与李士祎相关的股票'酒鬼酒'的详细信息如下：
- 公司名称：酒鬼酒股份有限公司
- 股票代码：000799
- 所属地域：湖南省
- 英文名称：Jiugui Liquor Co., Ltd.
- 公司网址：www.jiuguijiu000799.com
- 主营业务：从事生产、销售曲酒系列产品。
- 主要产品：
- 酒鬼系列
- 湘泉系列
- 内参系列
- 控股股东及实际控制人：中皇有限公司（持有酒鬼酒股份有限公司股份比例：31.00%） 请注意，以上信息是基于所提供的上下文得出的结论，如果需要更详细的财务数据或其他具体信息，请参考官方公告或相关财经网站。
该问答结果不但准确地回答出相关的股票为'酒鬼酒'，并且给出了酒鬼酒的相关信息。相比只使用向量查询和图查询，该结果更加符合预期，满足实际应用需求。
从执行过程中可以看到，当知识图谱中检索了相应的结果后，问题转换为：
Task:Generate more detailed information about the raw answer.
The question is:李士祎关连的股票信息?
the raw answer from knowledge graph in format:{'name_0': '酒鬼酒', 'code': '799'}
please give more detailed answer about raw answer
在向量检索中包含了酒鬼酒的相关信息，使得向量检索的结果更加准确：
('酒鬼酒 (000799) 公司资料_F10_同花顺金融服务网...',)
('名：*ST 酒鬼公司网址：www.jiuguijiu000799.com...',)
('其中合并报表的有：0 家。序号关联公司名称参控关系...',)
('华谊 B 股 (900909) 公司资料_F10_同花顺金融服务网...',)
('华电 B 股 (900937) 公司资料_F10_同花顺金融服务网...',)
如何有效利用私有数据一直是 RAG 系统中面临的重大挑战，其中知识图谱是企业私有数据的重要组成部分。得益于 PolarDB 的可扩展性，PolarDB 数据库中可同时存储向量数据和图谱数据，进行统一的存储和检索。同时相较于传统的向量检索，PolarDB 中可将图检索与向量检索相结合，提供更高质量的 RAG 问答结果，满足应用需求。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online