一套 KAG（知识增强生成）的工程闭环方案。通过大模型从文本中抽取知识图谱并导入 Neo4j，结合 Schema 探测与 Cypher 生成预检机制，实现了基于图谱的召回评测与问答功能。以《三国演义》为例，展示了实体抽取、章回定位、Recall@5 评估及图谱问答的完整流程，为 GraphRAG 和 KGQA 落地提供最小可执行参考。
本文介绍一套可以直接运行的 KAG（Knowledge-Augmented Generation）工程闭环：用大模型从小说文本中抽取知识图谱 JSON 一键导入 Neo4j，用评测集做 Recall@5 召回评测（LLM 参与生成 Cypher + 判定命中），最后把同一套链路用于图谱问答（LLM 生成 Cypher → 查图 → 再让 LLM 组织答案）。可作为 KAG / GraphRAG / KGQA 的最小可落地 MVP。
做 RAG 时，遇到过典型坑：
而知识图谱擅长的恰好是：
Event/Character -> APPEARS_IN -> Chapter 精准落到具体章回最终选择：
这套闭环全部以 JUnit 测试类的形式提供，方便在工程里反复迭代。
doc/eval/sanguo-kg-eval.json
数据结构：query：问题answers[]：标准答案集合
chapterTitle：期望命中的章回标题accept[]：可接受关键词（用于判定命中）doc/aigc_chunk_store_to_graph.csvdoc/kg_extract_result.json
做的事：Character/Location/Event/Itemrelations[{type, head, tail}]（这里已要求 LLM 输出中文关系短语）documentName/chapterTitle/chapterIndex/textdoc/kg_extract_result.json(:Chapter {chapterKey}) 作为'章回锚点':Character|:Event|:Location|:Item {name}(n)-[:APPEARS_IN]->(c:Chapter)
APPEARS_IN 的含义：实体/事件出现在某章回。这个关系非常关键，它把'结构化实体世界'挂回到'可以回答问题的章回证据'。
LLM 要生成靠谱的 Cypher，必须知道图谱里有哪些 label、有哪些关系类型、每个 label 的关键属性是什么。所以用 CALL db.labels() / CALL db.relationshipTypes() 做了 schema 探测。
核心：把'问题→图谱查询→命中判定'做成评测流程。 链路：
{cypher, params}）EXPLAIN <cypher>
这是'评测链路'的应用版：
默认连接：
bolt://localhost:7687neo4jsecretgraph（请按你的环境调整）当前测试类默认使用：
https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completionsqwen-plus
注意：建议把 Key 放到环境变量里，不要提交到仓库。按这个顺序跑，最稳：
LlmKgExtractTest：从 CSV 抽取出 doc/kg_extract_result.jsonKgNeo4jImportTest：清空 Neo4j → 写入 Chapter/Entity/RelationsNeo4jSchemaIntrospectTest：确认图谱结构是否如预期SanguoKgRecallEvalTest：跑 Recall@5KagGraphLLMQATest：用任意问题做 KAG 问答很多人 Cypher 生成失败，根本原因是：
(:Chunk) / HAS_CHUNK，但你的图谱里可能压根没有chapterTitle 还是 title，LLM 猜错就全挂
所以 schema introspection 是必做项。LLM 写 Cypher 很容易出现：
EXPLAIN cypherSanguoKgRecallEvalTest 的链路可复用到 KagGraphLLMQATest。doc/eval/sanguo-kg-eval.json 的问题基本都是'章回定位'类：
Chapter 的 title / index / textChapter）本文的闭环是 KAG MVP，但已经为复杂问答铺好路：
人物 → 事件 → 地点 → 章回敌对/同盟/父子choices[0].message.content，否则你会把 error 当 content 用。要求：关系 type 用中文短语；实体尽量原文；输出 JSON。
要求：
输入：query + answers + topK 输出：{hit, reason}
很多 KAG 文章停留在概念图，但真正工程上，最难的是：
doc/eval/sanguo-kg-eval.jsondoc/kg_extract_result.jsonsrc/test/java/com/soft/nda/segment/LlmKgExtractTest.javasrc/test/java/com/soft/nda/segment/KgNeo4jImportTest.javasrc/test/java/com/soft/nda/segment/Neo4jSchemaIntrospectTest.javasrc/test/java/com/soft/nda/segment/SanguoKgRecallEvalTest.javasrc/test/java/com/soft/nda/segment/KagGraphLLMQATest.java
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
查找任何按下的键的javascript键代码、代码、位置和修饰符。 在线工具，Keycode 信息在线工具，online
JavaScript 字符串转义/反转义；Java 风格 \uXXXX（Native2Ascii）编码与解码。 在线工具，Escape 与 Native 编解码在线工具，online
使用 Prettier 在浏览器内格式化 JavaScript 或 HTML 片段。 在线工具，JavaScript / HTML 格式化在线工具，online
Terser 压缩、变量名混淆，或 javascript-obfuscator 高强度混淆（体积会增大）。 在线工具，JavaScript 压缩与混淆在线工具，online
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