RAG 接入知识图谱：全局数据关系表示与实战指南

创建向量索引

使用 Neo4jVector.from_existing_graph 方法基于已有图数据库创建向量索引。以下代码展示了如何配置索引参数：

from langchain.vectorstores import Neo4jVector
import os

neo4j_graph_vector_index = Neo4jVector.from_existing_graph(
    embedding=OpenAIEmbeddings(),  # 使用 OpenAI 模型生成向量
    url=os.getenv("NEO4J_URI"),     # 获取数据库 URI
    username=os.getenv("NEO4J_USERNAME"),
    password=os.getenv("NEO4J_PASSWORD"),
    index_name="employee",          # 索引名称
    node_label="Employee",          # 指定节点标签
    text_node_properties=[         # 需要索引的属性列表
        "address", "note", "city",
        "postcode", "job_title",
        "first_name", "last_name",
        "region"
    ],
    embedding_node_property="embedding" # 存储向量的属性名
)

此配置将仅对标记为 Employee 的节点进行向量索引，并将生成的向量存储在 embedding 属性中。

4. 查询策略：从相似性搜索到精锁查询

索引完成后，即可发起检索。根据任务目标，可调整查询颗粒度。

4.1 单次相似性查询

最简单的查询方式是直接搜索最相似的节点。

result = neo4j_graph_vector_index.similarity_search("Andrew", k=1)

• k=1：返回最相似的 1 个节点。
• result[0]：获取第一个匹配结果。

潜在问题：如果公司中存在同名员工（如一个在美国，一个在英国），单纯依靠相似度可能导致歧义。

4.2 精锁查询（Filtering）

为解决多重合数据问题，可以添加过滤条件，锁定更精确的数据范围。

result = neo4j_graph_vector_index.similarity_search(
    "Employee details", 
    filter={ "country": "UK" }
)

• filter：只返回 country 属性值为 UK 的节点。
• 这确保了即使存在同名员工，也能根据地理位置精准定位。

5. 构建 Chat 应用：RAG + KG 实战

掌握索引与查询后，我们可以构建一个完整的问答聊天应用。

5.1 定义提示词模板

为了防止大模型产生幻觉，需明确指示其仅基于提供的上下文回答。

employee_details_chat_template_str = """
你的任务是使用提供的员工数据来回答关于他们的角色、表现和在公司内的经验的问题。
使用以下上下文来回答问题。
请尽可能详细地回答，但不要添加任何上下文之外的信息。
如果你不知道答案，就说你不知道。
{context}
"""

5.2 创建查询引擎

结合检索器和语言模型（LLM）构建链式处理流程。

from langchain.chains import RetrievalQA

qa_chain = RetrievalQA.from_chain_type(
    llm=llm_model,  # 已定义的 LLM 实例
    retriever=neo4j_graph_vector_index.as_retriever(),
    chain_type="stuff"  # 将所有检索文档堆叠后输入模型
)

链类型说明：

• stuff：将所有文档文本合并后一次性输入模型。
• map_reduce：分别处理每个文档后汇总。
• refine：先生成初始答案，再逐步细化。

5.3 发起查询

用户提问：'介绍一下 Andrew?' 系统会自动检索相关节点，提取上下文，并由 LLM 生成自然语言回答。

6. 进阶：自然语言转 Cypher 实时对话

索引数据虽然高效，但无法实时更新。若部门有新数据加入 Neo4j，如何通过对话实时访问？

6.1 风险与权限控制

使用 LLM 自动生成 Cypher 语句存在风险（如误删数据）。必须严格分配权限，确保 LLM 只能执行读取操作，禁止写入或删除权限。

6.2 Few-Shot Prompting 策略

通过提供少量示例（Few-Shot），指导 LLM 正确生成 Cypher 查询。

qa_generation_template_str = """
您是一名助手，负责将 Neo4j Cypher 查询的结果转化为易于人类阅读的响应。
查询结果部分包含了基于用户自然语言问题生成的 Cypher 查询结果。
所提供的信息是权威的；您绝不能质疑它，或者使用您的内部知识去更改它。
确保您的回答听起来像是针对问题的回应。
Query Results:
{context}
Question:
{question}
如果提供的信息为空，请通过声明您不知道答案来回应。
空信息由以下方式表示：[]
如果信息不为空，您必须使用结果来提供答案。
当查询结果中提供名称时，例如医院名称，要小心任何包含逗号或其他标点符号的名称。
绝不要在查询结果中有数据的情况下表示你缺乏足够的信息。
Helpful Answer:
"""

6.3 创建链式实例

使用 GraphCypherQAChain 实现 NL2Cypher 功能。

from langchain.graphs import Neo4jGraph
from langchain.chains import GraphCypherQAChain

graph = Neo4jGraph()

cypher_qa_chain = GraphCypherQAChain.from_llm(
    graph=graph,
    verbose=True,
    validate_cypher=True,  # 验证生成的 Cypher 有效性
    qa_prompt=qa_generation_prompt,
    cypher_prompt=cypher_generation_prompt,
    qa_llm=ChatOpenAI(model="gpt-3.5-turbo", temperature=0),
    cypher_llm=ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
)

• validate_cypher=True：防止语法错误的查询被执行。
• temperature=0：降低随机性，确保查询逻辑稳定。

7. 总结与最佳实践

将知识图谱融入 RAG 系统，能够有效解决传统检索的碎片化问题，实现全局数据关系的精准表达。

关键要点：

1. 混合检索：结合向量检索（语义）与图查询（关系），互补不足。
2. 安全优先：NL2Cypher 模式务必限制数据库权限，防止数据泄露或破坏。
3. 性能优化：合理设置索引节点范围，避免全量索引带来的资源浪费。
4. 持续迭代：根据业务反馈调整提示词模板和过滤条件。

通过上述步骤，开发者可以构建出既具备语义理解能力，又拥有精确事实推理能力的智能问答系统。