项目简介
知识图谱，或者叫语义网络，说白了就是一张用实体（比如人、事、物、概念）和它们之间的关系连接起来的信息网。这些信息通常被存放在图数据库里，并以图形结构呈现出来，所以叫“知识图谱”。下面这个示意图，就很直观地展示了它的样子。
现在，有一个Python工具，它的功能很直接：给定一个本体（你可以理解为一个预定义的分类和关系框架），它能把任何一段文本自动转换成符合这个框架的知识图谱。它的项目链接在文末。
Why Graph? 为什么要画成图？
知识图谱能干的事情其实挺多的。比如，我们可以跑图算法，算算每个节点的中心性，看看哪个概念在这段文本里最关键。还可以做社区发现，把相关的概念自动分到一组，让文本分析变得更清晰。更重要的是，它能把那些看似八竿子打不着的概念，通过潜在的关系网络给串联起来。
当然，最诱人的应用还是图检索增强生成（GRAG）。它本质上是对传统RAG（检索增强生成）的一次升级——把图结构当成一个超级检索器，然后跟你的文档聊天。相比于传统RAG依赖的向量数据库，GRAG在捕捉复杂关系和深层语义方面，优势非常明显。
这个项目
这是一个Python库，核心能力就是基于给定的本体，从任意文本中构建知识图谱。它在设计上很注重一致性，同时对大模型偶尔出现的“幻觉”或错误输出，也有不错的容错能力。下面我们一步步来看它的工作流程。对了，要搭建这个项目，你需要先安装Poetry。
# Create a local environment $ poetry config virtualenvs.create false --local # Install dependencies. $ poetry install
1. 定义图的本体
项目定义本体的方式很直白，底层是一个Pydantic模型。你只需要告诉它两件事：你关心哪些实体（节点）以及它们之间可能存在的关系。
ontology = Ontology(
labels=[
{"Person": "Person name without any adjectives, Remember a person may be references by their name or using a pronoun"},
{"Object": "Do not add the definite article 'the' in the object name"},
{"Event": "Event event involving multiple people. Do not include qualifiers or verbs like gives, lea ves, works etc."},
"Place",
"Document",
"Organisation",
"Action",
{"Miscellanous": "Any important concept can not be categorised with any other given label"},
],
relationships=[
"Relation between any pair of Entities",
],
)
从实际效果来看，我调整过的提示词在引导模型输出与给定本体一致的结果上，表现得很不错。当然，它还没到100%完美的程度，最终的准确性还是取决于你选用的模型、具体的应用场景、本体设计的精细度，以及源文本的数据质量。
2. 将文本分割成块
如果你想构建一个巨大的知识图谱，理论上可以用任意长度的文本。但问题是，当前的大语言模型都有上下文窗口限制。所以，我们需要先把文本切成合适的块，然后一块一块地构建子图。块的大小怎么定呢？项目里的提示词本身就消耗大约500个token，剩下的容量可以分配给输入文本和输出的图结构。实践经验表明，800到1200个token的文本块，效果是比较理想的。
3. 将这些块转换为文档
class Document(BaseModel):
text: str
metadata: dict
这里的“文档”其实是一个Pydantic模型，结构很简单，就是文本内容和元数据。关键在于，你附加到文档上的元数据（比如页码、章节名、文章标题等），会被自动标记到从该文档中提取出的每一条关系上。考虑到同一个节点对可能在多个文档中间出现多次，元数据就能为理解这些关系的具体语境提供关键线索。
4. 运行图形制作器
图形制作器的工作方式就是接收一个文档列表，然后逐个处理，为每个文档生成一个子图。最终，这些子图会被合并成一个完整的总图。下面是一段最简单的示例代码。
from graph_maker import GraphMaker, Ontology, GroqClient
from graph_maker import Document
## Select a groq supported model
## model = "mixtral-8x7b-32768"
model = "llama3-8b-8192"
## model = "llama3-70b-8192"
## model="gemma-7b-it"
llm = GroqClient(model=model, temperature=0.1, top_p=0.5)
graph_maker = GraphMaker(ontology=ontology, llm_client=llm, verbose=False)
## create a graph out of a list of Documents.
graph = graph_maker.from_documents(
list(docs),
delay_s_between=10
)
## result -> a list of Edges.
print("Total number of Edges", len(graph))
## 1503
输出的结果是一个边的列表，每条边都是一个Pydantic模型，结构如下。
class Node(BaseModel):
label: str
name: str
class Edge(BaseModel):
node_1: Node
node_2: Node
relationship: str
metadata: dict = {}
order: Union[int, None] = None
在背后，图形制作者会逐个文档调用大模型，并尝试把模型的响应解析成图结构的边。我花了很大精力把提示词调得足够健壮，让它能容忍常见的JSON解析错误。如果整个JSON响应解析失败，它还会尝试手动把JSON字符串拆成更小的、单条边的字符串，然后分别尝试解析——这种设计在实际运行中，能很大程度提升整个流程的鲁棒性。
5. 保存到Neo4j（可选步骤）
把图结构保存到Neo4j图数据库里，是一个很实用的后续操作。之后你可以用它来构建RAG应用、运行网络分析算法，或者直接通过Neo4j的Bloom工具来可视化整个知识图谱。