Coze搭建知识图谱：GraphRAG原理及实战讲解（一）

首页

AI资讯

热心网友

转载

2026-05-28

从基础RAG迈向图增强检索，解锁知识库构建新思路，攻克复杂场景下的检索难题。

之前我们已经系统讲解了Native RAG的基本原理与使用方法。借助各类平台搭建专属知识库，如今已不再是什么难事。

Native RAG的优势在于门槛较低，但其局限性也很明显——它无法在文本块之间建立关联，检索效果通常只能达到六七十分的水平，真要用于生产环境，心里还是没底。

所以，今天咱们开启一个新话题，深入探讨Graph RAG，看看它如何应对复杂的知识场景。

Native RAG回顾

先简单复习一下Native RAG的基本概念。

Native RAG包含两条核心流程：数据入库和信息检索。

入库流程主要涵盖数据清洗、文本分块、向量化转换等步骤。
检索流程主要涉及检索策略优化、多路召回、结果重排序、生成内容优化等环节。

Graph RAG是什么

Graph RAG是一种基于结构化分层思想的检索增强生成方法。

在构建知识库时，它会把知识转换成图结构，并存储到图数据库中。

图数据库通常不直接保存数据片段，而是保存数据实体，并在实体之间建立关联关系——这正是Graph RAG最关键的环节。

数据实体与数据关系

举个例子：

# 原文
电影《雪季过客》上映于2006年。这是一部剧情/爱情电影，豆瓣评分8.3分，2006年上映以来好评如潮。导演马克·埃文斯，主演艾伦·瑞克曼和埃米丽·汉普希尔。

# 实体通常是有意义的名词，如人名、地名、物品名等。
# 我们能提取的实体是：
雪季过客，2006年，剧情电影，爱情电影，豆瓣8.3分
马克·埃文斯，艾伦·瑞克曼，埃米丽·汉普希尔

# 实体关系用于描述两个实体之间的关联，通常是动词。
# 我们能得到的实体关系如下：
上映，分类，评分，导演，主演

# 最终得到一组实体与关系：
Trunk1: 
(雪季过客)-[上映]->(2006年)
Trunk2:
(雪季过客)-[类型]->(剧情)
(雪季过客)-[类型]->(爱情)
(雪季过客)-[豆瓣评分]->(8.3分)
Trunk3:
(雪季过客)-[导演]->(马克·埃文斯)
(雪季过客)-[主演]->(艾伦·瑞克曼)
(雪季过客)-[主演]->(埃米丽·汉普希尔)

数据存入图数据库后，大致呈现如下形态：

检索时，就可以沿着实体之间的关系，轻松探索到关联知识。

Native RAG vs Graph RAG

现在假设我们拥有一批电影数据，数量大约几万部。

每部电影的数据结构如下：

采用Native RAG进行分块和向量化后，可以轻松召回对应的电影信息。

# 例子1
Q：雪季过客什么时候上映的？
A：2006年。
# 例子2
Q：雪季过客的导演是谁？
A：马克·埃文斯，他也担任了本片的编剧。

因为每部影片的基础信息都被作为一个Chunk存储在向量库里，所以回答这类简单问题基本没有压力。

但如果问题变成这样：

# 例子1
Q：雪季过客的导演还出品过哪些影片？

# 例子2
Q：今年一共上映了多少部日本电影？

由于知识库里缺少这类跨实体的关联数据，检索效果就会大打折扣，或者需要在工程层面做大量补偿才能勉强达到满意效果。

而Graph RAG处理这类问题就从容得多了。

Graph RAG的工作机制

Graph RAG的实现机制比Native RAG复杂不少，但总体也分为两大模块：数据构建和数据检索。

数据构建

数据构建主要经过以下几个步骤：

步骤	说明
数据分块	与Native RAG相同，将复杂文章切分为长度适中的段落
实体抽取	使用大模型抽取实体和实体关联关系
实体入库	将实体与关系存储到图数据库
社区聚类	根据实体相关性进行社区聚类，并生成社区摘要
向量化	将实体、实体关系、社区信息存入向量数据库，便于语义检索

详细流程见下图：

数据检索

数据检索的策略多种多样，需要根据实际场景灵活调整，后续文章会专门介绍。这里先介绍两种常用方式：

全局搜索（Global Search）：检索社区摘要信息并返回。
本地搜索（Local Search）：检索实体信息，并通过实体关系扩大搜索范围。

大致原理如下图：

体验Graph RAG

了解了基本原理，咱们就来实际操作体验一下。用Coze工作流搭建一个简易的Graph RAG。

图数据库

首先需要选择一款图数据库，这里我们选用Neo4j。

它支持本地部署和在线使用，可以先试用免费版。

创建实例后，点击Query即可连接到数据库，右侧可以编写Cypher查询语句来操作。

注意：创建实例时会生成数据库的账号和密码，请务必妥善保管，后续会用到。

Cypher

Cypher语句与SQL类似，可以对数据库进行增删改查。这里提供几个最简单的示例：

# 创建一个实体"电影"，名字叫"拯救大兵瑞恩"
CREATE(m:电影{name:"拯救大兵瑞恩"})
# 创建另一个实体"人员"，名字叫"汤姆·汉克斯"
CREATE(p:人员{name:"汤姆·汉克斯"})
# 创建一个关系：拯救大兵的主演是汤姆·汉克斯
CREATE(m)-[:主演]->(p)
# 找到所有电影和对应的主演，并返回
MATCH(m:电影)-[:主演]-(p:人员)
RETURN m.name, p.name

将以上语句复制到查询框中，就可以体验Graph RAG的基本操作。

用Coze工作流搭建电影知识图谱

完成后的基本功能示例如下：

# 示例1
紫日的导演还出品过其他什么电影？
# 示例2
有哪些日语电影？
# 示例3
紫日的基本介绍？

为了便于演示和理解，这里不引入向量数据库，而是直接构建查询语句来操作图数据库。

知识图谱构建

先用一个循环处理多条数据：

从远端获取电影数据
清洗数据，去除无用信息
调用大模型提取实体，并生成查询语句
调用接口将数据插入数据库

实体与实体关系提取

工作流本身并不复杂，核心在于如何提取实体。提示词需要根据不同的业务场景进行调整：

# 角色
实体提取大师

# 任务
1. 根据输入数据，尽可能全面地提取实体和实体关系，并建立实体之间的关联。
2. 实体必须从[实体列表]中选取，不得自行创造。
3. 实体关系必须从[实体关系列表]中选取，不得自行创造。
4. 实体具备属性，参考[实体属性表]，不得自行创造属性。
5. 不要解释，不要额外输出其他内容，严格按照输出格式要求。
6. 最终转换为Cypher格式，方便直接插入Neo4j数据库。

# 实体列表
[影片, 语种...]

# 实体关系
[分类, 语言...]

# 实体列表与实体关系的映射
(影片)-[上映时间]->(年份)
...

# 实体属性表
(影片{name:"String", intro:"String"})
...

# 输出示例
MERGE(m:影片{name:"拯救大兵",intro:"故事发生在..."})
MERGE(l:语种{name:"英语"})
MERGE(m)-[n:语言]-[l]
...

调用Neo4j数据库

使用HTTP模块直接调用即可：

# $id 是你的数据库实例ID，在Neo4j实例页面可见
# $key 是你的账号密码base64
# $query 是你的实际查询语句
# 使用以下命令生成$key：echo -n "你的账号:你的密码" | base64
# 账号密码在创建Neo4j实例时已保存。

curl -X POST "https://$id.databases.neo4j.io/db/neo4j/query/v2" \
  -H "Authorization: Basic $key" \
  -H "Content-Type: application/json" \
  -d '{
  "statement": "$query",
  "parameters": {}
}'

知识图谱检索

使用大模型识别用户意图，并将其拆解为Cypher查询语句。
实际查询数据。
根据查询结果和用户问题，总结答案。

实体检索提示词

# 角色
Neo4j数据检索助手

# 任务
1. 理解用户的问题，并将其转化为Cypher查询语句。
2. 从图数据库中尽可能全面地查询与用户问题相关的内容。
3. 不需要回答用户问题，也不需要解释。
4. 只需输出Cypher查询语句，方便后续直接调用Neo4j数据库。
5. 可用的实体列表、实体关系及映射关系参见下文。
6. 不要自行创造实体、实体关系或映射关系。

# 实体列表
[影片...]

# 实体关系
[分类...]

# 实体列表与实体关系的映射
(影片)-[上映时间]->(年份)
...

# 实体属性表
(影片{name:"String", intro:"String"})
...

# 输出示例
Q: 找到1994年安东尼导演的作品。
MATCH(m:影片)-[:上映时间]->(n:年份{name:1994}) WITH m MATCH(m)-[:导演]->(p:人员{name:"安东尼"}) RETURN p.name as name

结果预览

由于样例数据有限，检索结果仅供参考。要想获得理想效果，需要导入全量电影数据。

# 示例1
Q: 有哪些日本电影？
A: 有以下日本电影：《驾驶我的车》《世界奇妙物语 06秋之特别篇》《何时是读书天》《隐剑鬼爪》《哆啦A梦：大雄与风之使者》《宛如阿修罗》《星之声》《精灵宝可梦：水都的守护神 拉帝亚斯与拉帝欧斯》《GO!大暴走》《哆啦A梦：大雄与翼之勇者》《心动》《不夜城》《海上花》《烟花》。

# 示例2
Q: 谁出演过两部以上的电影作品？
A: 金城武出演过两部以上的电影作品。

# 示例3
Q: 金城武都演了哪些电影？
A: 金城武出演的电影有《心动》《不夜城》。