Knowledge Graphs for RAG（GraphRAG）

本教案基于 DeepLearning.AI 与 Neo4j 合作的 “Knowledge Graphs for RAG” 课程设计，旨在为学习者提供从理论到实践的完整路径 [1]。课程围绕构建一个基于 SEC 10-K 年度报告的问答系统展开，通过实战掌握 GraphRAG 的核心技术。本教案涉及检索增强生成（Retrieval-Augmented Generation, RAG）、知识图谱（Knowledge Graph, KG）与大语言模型（Large Language Model, LLM）等概念。

---

课程信息

• 课程名称: Knowledge Graphs for RAG (GraphRAG)
• 适用人群: AI 工程师、数据科学家、希望提升 RAG 系统性能的开发者
• 先决条件:
  • 熟悉 Python 编程
  • 了解基本的 LLM 和 LangChain 概念
  • 拥有 OpenAI API Key（或其他可用 LLM 服务的 API Key）
  • 已安装 Docker（用于运行 Neo4j）
• 学习目标:
  1. 理解知识图谱（KG）如何解决传统 RAG 的上下文缺失问题。
  2. 掌握 Neo4j 图数据库的基本操作与 Cypher 查询语言。
  3. 学会使用 LangChain 将非结构化文本转化为结构化图谱（Text2Graph）。
  4. 构建一个结合向量检索与图检索的混合检索（Hybrid Retrieval） QA 系统。

---

课程大纲

模块	主题	核心内容	建议时长
Module 1	基础理论与环境搭建	KG 概念、GraphRAG 优势、Neo4j Docker 部署	1 小时
Module 2	Cypher 查询语言入门	节点、关系、属性、MATCH/RETURN 语句	1.5 小时
Module 3	非结构化文本的图谱构建	Text2Graph 流程、Schema 定义、LLM 提取	2 小时
Module 4	混合检索与问答系统	向量索引、图谱检索、LangChain 集成	2 小时
Module 5	实战项目：SEC 财报分析	处理真实 10-K 数据、多文档关联、复杂推理	2.5 小时

以上时长为教学设计的建议值，可根据学员基础与实践深度进行调整。

---

详细教学内容

Module 1: 基础理论与环境搭建

1.1 理论：为什么需要 GraphRAG？

• 传统 RAG 的局限性:
  • 切片（Chunking）导致语义断裂: 简单的文本切分可能将实体与其属性或关系分开。
  • 缺乏全局视角: 无法回答跨文档或跨段落的综合性问题（例如：”A 公司的供应商 B 的高管 C 之前在哪工作？”）。
• 知识图谱的优势:
  • 显式关系: 直接存储实体间的连接。
  • 结构化上下文: 提供更精准的上下文窗口，减少幻觉。

1.2 环境搭建 (Hands-on)

任务: 启动 Neo4j 数据库并配置 Python 环境。

1. 启动 Neo4j (Docker):

   # 启动 Neo4j 并启用 APOC 插件（示例配置）
   docker run \
       --name neo4j-graphrag \
       -p 7474:7474 -p 7687:7687 \
       -e NEO4J_AUTH=neo4j/password \
       -e NEO4J_PLUGINS='["apoc"]' \
       neo4j:5.18.0
   

   • 访问 http://localhost:7474 验证启动成功。

2. 安装 Python 依赖:

   # 安装本教案示例所需的核心依赖
   pip install langchain langchain-community langchain-openai langchain-experimental neo4j tiktoken
   

---

Module 2: Cypher 查询语言入门

2.1 核心概念

• Node (节点): 实体，如 (p:Person {name: "Elon Musk"})
• Relationship (关系): 连接，如 [:FOUNDED {year: 2002}]
• Label (标签): 类别，如 :Person, :Company

2.2 基础查询练习

场景: 电影数据库。

• 创建数据:

  CREATE (m:Movie {title: "The Matrix", released: 1999})
  CREATE (p:Person {name: "Keanu Reeves", born: 1964})
  CREATE (p)-[:ACTED_IN {roles: ["Neo"]}]->(m)
  

• 查询数据:

  // 查找 Keanu Reeves 演过的电影
  MATCH (p:Person {name: "Keanu Reeves"})-[:ACTED_IN]->(m:Movie)
  RETURN m.title, m.released
  

课后练习

• 编写 Cypher 语句，创建一个包含 “User” 和 “Product” 的简单购买关系图。

---

Module 3: 非结构化文本的图谱构建 (Text2Graph)

这是本课程的核心。我们将使用 LLM 自动从文本中提取实体和关系。

3.1 流程图解

graph LR
    %% Text2Graph：从非结构化文本构建知识图谱的最小流程
    A[非结构化文档] --> B[文本切片 (Chunks)]
    B --> C{LLM (Graph Transformer)}
    C --> D[提取节点 & 关系]
    D --> E[(Neo4j 数据库)]

3.2 实战代码：从文本到图谱

步骤:

1. 定义 Schema: 告诉 LLM 我们关心哪些类型的节点和关系。
2. 执行提取: 使用 LangChain 的 LLMGraphTransformer。

在运行示例代码前，先在终端设置必要的环境变量：

export OPENAI_API_KEY="your_api_key"  # LLM 服务的 API Key
export NEO4J_URI="bolt://localhost:7687"  # Neo4j Bolt 连接地址
export NEO4J_USERNAME="neo4j"  # Neo4j 用户名
export NEO4J_PASSWORD="password"  # Neo4j 密码

import os
from langchain_community.graphs import Neo4jGraph
from langchain_openai import ChatOpenAI
from langchain_experimental.graph_transformers import LLMGraphTransformer
from langchain_core.documents import Document

required_env = ["OPENAI_API_KEY", "NEO4J_URI", "NEO4J_USERNAME", "NEO4J_PASSWORD"]
missing_env = [k for k in required_env if not os.getenv(k)]
if missing_env:
    raise RuntimeError(f"Missing env vars: {', '.join(missing_env)}")

graph = Neo4jGraph()

# 示例文本
text = """
Apple Inc. is an American multinational technology company headquartered in Cupertino, California.
Tim Cook is the CEO of Apple.
"""
documents = [Document(page_content=text)]

# 初始化转换器 (GPT-4 效果最佳)
llm = ChatOpenAI(temperature=0, model="gpt-4")
llm_transformer = LLMGraphTransformer(
    llm=llm,
    allowed_nodes=["Company", "Person", "City"],
    allowed_relationships=["HEADQUARTERED_IN", "CEO_OF", "LOCATED_IN"]
)

# 转换并存储
graph_documents = llm_transformer.convert_to_graph_documents(documents)
graph.add_graph_documents(graph_documents)
first_graph_document = next(iter(graph_documents))
print(f"提取了 {len(first_graph_document.nodes)} 个节点和 {len(first_graph_document.relationships)} 条关系。")

---

Module 4: 混合检索与问答系统

4.1 混合检索架构

单纯的图检索可能漏掉非结构化的细节，单纯的向量检索缺乏结构。混合检索结合两者。

• 向量检索 (Vector Search): 寻找语义相似的文档块。
• 图检索 (Graph Traversal): 寻找实体及其邻居。

4.2 实现 QA Chain

注意：GraphCypherQAChain 具备从自然语言生成 Cypher 的能力，若允许执行不受控的写操作或危险查询，可能带来数据破坏风险。示例中默认关闭危险请求；生产环境建议结合只读账号、查询白名单与审计策略。 可参考 Neo4j GenAI 相关工具栈与 LangChain 的 Neo4j 集成文档 [3,4]。

from langchain.chains import GraphCypherQAChain

# 自动将自然语言转为 Cypher
chain = GraphCypherQAChain.from_llm(
    graph=graph,
    llm=llm,
    verbose=True,
    allow_dangerous_requests=False
)

# 提问
response = chain.invoke({"query": "Who is the CEO of the company located in Cupertino?"})
print(response['result'])

---

Module 5: 实战项目：SEC 财报分析

背景: 投资者需要分析大量的 SEC 10-K 表格（年度报告），了解公司的风险、高管和投资关系。

5.1 数据准备

• 下载示例 SEC 10-K JSON 数据（如 NetApp Inc. 的财报）。
• 提取其中的 Item 1 (Business) 和 Item 1A (Risk Factors) 部分。
• 资源: 完整的数据处理脚本、Notebooks 及示例数据可在 GitHub 仓库中找到 [2]。

5.2 构建策略

1. Chunking: 将长文本切分为块（例如 500-1000 tokens，需根据模型上下文窗口与任务调整）。
2. 向量化: 为每个 Chunk 创建向量索引，存入 Neo4j。
3. 图谱化: 提取关键实体（如 Manager, Company, Product）。
4. 连接: 将 Chunk 节点链接到提取出的实体节点（MENTIONS 关系）。

5.3 复杂查询示例

问题: “NetApp 提到了哪些关于供应链的风险？”

• 检索路径:
  1. 向量检索: 搜索 “supply chain risk” 相关的 Chunk 节点。
  2. 图扩展: 查找这些 Chunk 关联的 Risk 实体。
  3. 生成: LLM 综合这些信息生成回答。

---

常见问题 (FAQ)

1. Q: 必须使用 GPT-4 吗？

   • A: 推荐使用 GPT-4 进行图谱提取（Text2Graph），因为它对指令的遵循能力更强，能生成更规范的 Schema。问答阶段可以使用 GPT-3.5 或其他模型。

2. Q: 如何处理实体消歧（Entity Resolution）？

   • A: 比如 “Apple” 和 “Apple Inc.”。可以在提取后使用简单的规则合并，或者在提取前给 LLM 提供明确的命名规范。

3. Q: 数据量很大怎么办？

   • A: 对于大规模数据，建议并行处理 Text2Graph 步骤，并使用 Neo4j 的批量导入工具。

---

拓展思考

RAG 与 GraphRAG：区别与联系

传统 RAG（Retrieval-Augmented Generation）的核心思想是：将语料切分为 Chunks，为每个 Chunk 构建向量索引；在用户提问时，通过相似度检索召回 Top-K 文本片段，将其拼接到 Prompt 中交给 LLM 生成答案。其优势是工程落地快、可扩展性强，但在以下场景中容易遇到瓶颈：

• 跨 Chunk 依赖：实体、属性与关系分散在多个片段中，Top-K 召回未必能同时覆盖关键上下文。
• 多跳推理：问题需要沿实体关系做 2 跳及以上推理时，纯向量相似度检索往往难以稳定召回完整链路。
• 全局一致性：当语料规模变大，Chunk 粒度与召回策略的权衡（召回率 vs. 噪声）会更显著影响回答质量。

GraphRAG 可以视为 RAG 的一种“结构增强”范式：它在保留向量检索优势的同时，引入图结构来显式表达实体关系与层次结构，并在检索阶段加入图扩展、路径/子图检索等图感知机制，从而提升多跳推理与上下文保持能力 [5,6]。从构建方式上，GraphRAG 常见两类工作流：

• Knowledge-based GraphRAG：从语料中抽取实体与关系，构建“事实型”知识图谱，并用子图作为检索与生成依据。
• Index-based GraphRAG：将语料摘要为主题节点形成“索引图”，并将主题与原始文本片段建立映射，实现结构化导航与事实回链。

图 1. RAG 与 GraphRAG 的典型工作流对比（来源：Awesome-GraphRAG）[5,7]

图中示例问题：”How does the El Niño phenomenon potentially impact marine biodiversity?”（该问题为图示示例，与本文 SEC 10-K 案例无直接对应关系）

GraphRAG vs. Synergized LLMs + KGs

在实际的企业级应用（如银行反欺诈）中，我们常听到 “Synergized LLMs + KGs”（大模型与知识图谱协同）这一概念。虽然它与 GraphRAG 都涉及 KG 和 LLM 的结合，但在设计理念和KG 的角色上有显著区别。

维度	GraphRAG (本课程模式)	Synergized LLMs + KGs (如银行反欺诈)
核心目标	文档问答与检索增强。解决 LLM 在长文本、跨文档信息上的遗忘和幻觉问题。	复杂推理与决策支持。解决高风险场景下的精确性、可解释性和实时性问题。
KG 的来源	主要来自非结构化文本 (Text2Graph)。KG 是为了更好地索引文本而临时或半自动构建的。	主要来自结构化业务数据 (Core Banking System)。KG 是核心资产，包含高质量、经校验的账户、交易、设备信息。
KG 的质量	概率性。依赖 LLM 提取，可能存在噪声、错误或不完整的关系。	确定性 (High Quality)。作为 “Ground Truth” (事实基准)，数据的准确性至关重要。
LLM 的角色	构建者 & 接口。LLM 既用于构建图谱，也用于生成最终的自然语言回答。	推理者 & 解释者。LLM 利用高质量 KG 进行逻辑推理 (Reasoning) 和结果解释，而非构建基础事实。
典型场景	研报分析、法律文档审查、百科问答。	资金链路追踪、团伙挖掘、反洗钱 (AML)。

总结:

• 本课程教授的 GraphRAG 更多关注如何”从无到有”利用 LLM 将文本转化为图谱，以提升检索效果。
• Synergized LLMs + KGs 则更多关注如何”强强联合”，利用已有的高质量图谱为 LLM 提供可靠的推理边界和事实依据。

---

参考文献与资源

[1] DeepLearning.AI. “Knowledge Graphs for RAG.” DeepLearning.AI. 访问日期：2025-12-25. [Online]. Available: https://learn.deeplearning.ai/courses/knowledge-graphs-rag/

[2] Kaushik Acharya. “Knowledge_Graphs_for_RAG.” GitHub. 访问日期：2025-12-25. [Online]. Available: https://github.com/kaushikacharya/Knowledge_Graphs_for_RAG

[3] Neo4j. “neo4j/neo4j-genai-python.” GitHub. 访问日期：2025-12-25. [Online]. Available: https://github.com/neo4j/neo4j-genai-python

[4] LangChain. “Neo4j Cypher (Graphs Integration).” LangChain Documentation. 访问日期：2025-12-25. [Online]. Available: https://python.langchain.com/docs/integrations/graphs/neo4j_cypher/

[5] DEEP-PolyU. “Awesome-GraphRAG.” GitHub. 访问日期：2025-12-25. [Online]. Available: https://github.com/DEEP-PolyU/Awesome-GraphRAG

[6] Zhang, Q., Chen, S., Bei, Y., Yuan, Z., Zhou, H., Hong, Z., Dong, J., Chen, H., Chang, Y., & Huang, X. “A Survey of Graph Retrieval-Augmented Generation for Customized Large Language Models.” arXiv preprint arXiv:2501.13958, 2025. [Online]. Available: https://arxiv.org/abs/2501.13958

[7] DEEP-PolyU. “rag_vs_graphrag.png.” Awesome-GraphRAG. 访问日期：2025-12-25. [Online]. Available: https://raw.githubusercontent.com/DEEP-PolyU/Awesome-GraphRAG/main/figs/rag_vs_graphrag.png