传统 RAG(向量检索)在文档问答场景表现优秀,但在多实体、多关系、复杂查询场景(如"客户 A 的供应商 B 在 2025 年的所有合同")时表现不佳。引入知识图谱可显著改善。

什么是知识图谱

知识图谱是一种结构化表示实体关系的技术。例如:

客户A -采购→ 产品X
客户A -签约→ 供应商B
供应商B -供应→ 产品X
客户B -签约→ 供应商B
...

RAG + 知识图谱的混合架构

  1. 向量检索:处理模糊、语义类问题(如"哪份合同提到延迟交付")
  2. 图谱查询:处理结构化问题(如"客户 A 的所有供应商")
  3. LLM 整合:根据问题类型,自动选择检索方式,并融合生成回答

适用场景

成本与门槛

知识图谱构建需要领域专家参与,初期投入比纯 RAG 高 30-50%,但对复杂业务回报显著。天龙发的工具链已支持一键构建中小规模企业知识图谱。