引言
一个专为开发者设计的简洁、模块化、高可读性的知识图谱问答框架，支持从文本到图谱构建、再到智能检索与回答生成的全流程自动化，代码：https://github.com/tangjun1878。同时，也写好了向量检索代码+报告生成代码，但还未集成，后续有时间整合。

🔍 让知识图谱构建与检索更简单、更直观、更易用
一个专为开发者设计的简洁、模块化、高可读性的知识图谱问答框架，支持从文本到图谱构建、再到智能检索与回答生成的全流程自动化。

---

github代码地址：点击这里

---

📖 版本更新记录

v1.1.0 (2025-9-4)

🎉 重磅新增：PDF 转 Markdown 高精度转换工具（PDFToMarkdownConverter）

为增强系统对非结构化文档的处理能力，本次更新引入了基于多模态大模型（MLLM）的 PDFToMarkdownConverter 工具，显著提升从 PDF 文档提取结构化知识的能力，为后续知识图谱构建提供高质量输入源。

✅ 新增功能亮点：

• PDF → 图像 → Markdown 全流程自动化
  利用 PyMuPDF 将 PDF 每页高清渲染为图像，再通过多模态大模型（如 Qwen-VL）识别内容并生成结构化 Markdown，保留标题层级、表格、公式等关键信息。

• 支持图像提取与 Base64 编码
  可选择将 PDF 页面保存为 JPG 图像用于调试或归档，同时支持内存中 Base64 编码直接传入模型，减少磁盘 I/O。

• 断点续存机制，保障长文档处理稳定性
  支持每处理 N 页自动保存中间结果（如每 10 页），防止程序中断导致前功尽弃，适用于百页以上长文档转换。

• 可选内容校正机制，提升跨页一致性
  启用修订功能后，系统将使用滑动窗口缓存历史内容，结合上下文对当前段落进行格式优化和语义连贯性修正，解决编号断裂、表格错位等问题。

• 双模式修订支持
  支持使用 MLLM 多模态模型自身修订，或切换至高性能语言模型（LLM）进行纯文本优化，灵活适配资源与精度需求。

• 灵活提示词配置
  提供默认 prompt 模板，支持自定义 system/user prompt，精确控制模型输出风格与结构要求。

• 指定页码范围处理
  可仅处理 PDF 的某一部分页面（如前 50 页），便于分段处理或调试。

🎯 项目愿景

在研究了阿里KAG、GraphRAG、LightRAG等开源项目后，我发现这些系统虽然功能强大，但普遍存在代码复杂、结构耦合、难以二次开发的问题。因此，我决定打造一个：

✅ 简洁清晰
✅ 模块化设计
✅ 易于扩展与二次开发
✅ 支持垂直领域定制化

的轻量级知识图谱问答系统 —— SMARTGRAPHQA。

我们致力于：

• ✅ 解决大模型“幻觉”问题
• ✅ 弥补向量检索中“信息割裂”的局限
• ✅ 实现 知识图谱 + 向量数据库 双引擎联动检索
• ✅ 构建真正可靠、可解释的智能问答系统

---

📚 项目博客 & 社区交流

📌 持续更新项目细节、技术解析与实战案例，而代码已开源github：
👉 https://github.com/tangjun1878/SmartGraphQA

💬 欢迎交流学习，欢迎 PR 与 Issue！也希望start，你的点赞是我开源的动力！

---

🗂️ 项目目录结构（模块化设计）

SMARTGRAPHQA-MASTER/
├── __init__.py                           # 模块入口，导出核心类与函数
├── DataBase/                             # 数据库核心功能组件
│   ├── __init__.py                       # 导出 GraphData、MilvusData 等
│   ├── GraphData                         # Neo4j 图数据库操作模块
│   │   └── create_graph_knowledge.py     # 知识图谱构建核心逻辑
│   ├── MilvusData                        # 向量数据库模块（待集成）
│   │   └── ***.py                        # 已实现但未集成
│   ├── config.py                         # 配置文件：Neo4j连接、模型API等
│   └── prompt_utils.py                   # 提示词处理工具函数
├── Prompts/                              # 提示词管理
│   ├── __init__.py                       # 导出提示词模板
│   └── prompt_graph.py                   # 图谱抽取提示词（基于GraphRAG翻译优化）
├── Models/                               # 多模型接口封装
│   ├── __init__.py                       # 统一导出模型接口
│   ├── Embed_Models.py                   # Embedding模型（OpenAI、本地服务等）
│   ├── LLM_Models.py                     # 大语言模型调用接口
│   ├── vision_Models.py                  # 多模态模型支持
│   └── model_utils.py                    # 模型通用工具函数
├── main_GraphBuild.py                    # 主函数：知识图谱构建入口
└── main_GraphRetriever.py                # 主函数：知识图谱检索与问答入口

📌 当前重点：知识图谱构建与检索
📌 未来规划：集成 Milvus 向量库，实现 RAG + KG 联动检索

---

🧩 核心功能

1️⃣ 自动化知识图谱构建

从非结构化文本中自动提取知识三元组，并存入图数据库。

✅ 支持能力：

• 从 .txt 文件读取原始文本
• 使用大模型（如 Qwen）抽取实体与关系
• 自动解析为结构化 (头实体, 关系, 尾实体) 三元组
• 写入 Neo4j 图数据库，形成可视化知识网络

🔧 技术栈概览

组件	作用
Qwen-14B / Qwen-32B	中文大模型，用于实体与关系抽取
LangChain	构建提示词、调用 LLM 接口
Neo4j	图数据库，存储实体与关系
自定义模块	输出解析、图谱写入、错误处理

---

🚀 四步构建流程

# 1. 读取文本
text = read_file("example_data.txt")
lines = [line.strip() for line in text.splitlines() if line.strip()]

# 2. 构建提示词
prompt = build_prompt(text, entity_types="组织、人物、文件")

# 3. 调用大模型
response = llm.invoke(prompt)
response = remove_think(response)  # 清理冗余思考内容

# 4. 解析并写入图谱
entities, relationships = parser.batch_parse_data({"graph_text": response})
graph.write_entities_and_relationships(entities, relationships)

---

🔍 知识图谱智能检索与问答

🧠 整体架构流程

用户提问
   ↓
大模型抽取问题中的关键实体
   ↓
Neo4j 查询实体及其多跳关联信息
   ↓
结合图谱上下文生成自然语言回答

✅ 核心优势：

• 利用图结构挖掘深层语义关系（如“阿里巴巴 → 阿里云 → 通义实验室”）
• 减少大模型幻觉，提升回答准确性
• 支持多跳推理与路径分析

---

🧱 核心类：KnowledgeGraphRetriever

方法	功能说明
generate_entity_relation()	调用 LLM 抽取输入文本中的实体与关系
parse_from_generate_entity_relation()	解析模型输出为结构化数据
query_neo4j_by_entity(entity_name, max_depth=2)	查询实体及多层邻居（支持深度控制）
generate_answer(question, kg_info)	基于图谱信息生成自然语言回答

---

🚀 四步检索流程

第1步：实体关系抽取

entities, relationships = kg_retriever.query2entity_relation(
    llm_model=llm_model,
    input_text="阿里巴巴有哪些子公司？",
    entity_type="组织、人物、文件"
)

📌 模型输出示例：

(entity|阿里巴巴|组织|中国领先的互联网公司)
(relationship|阿里巴巴|投资|阿里云|战略合作)

---

第2步：结构化解析

def parse_from_generate_entity_relation(self, data):
    # 按行分割，提取三元组
    return entities, relationships

✅ 输出结构：

entities = [
    {"entity_name": "阿里巴巴", "entity_type": "组织", "description": "中国领先的互联网公司"}
]

relationships = [
    {
        "source_entity": "阿里巴巴",
        "target_entity": "阿里云",
        "relationship_description": "战略合作",
        "relationship_strength": 0.95
    }
]

---

第3步：图数据库多跳查询

kg_info = kg_retriever.query_neo4j_by_entity(
    entity_name="阿里巴巴",
    max_depth=2  # 支持两跳查询
)

🧠 返回格式（支持多路径、多跳）：

[
  {
    "source_entity": { "name": "阿里巴巴", "type": "组织", "description": "..." },
    "actual_depth": 2,
    "layers": [
      {
        "depth": 1,
        "relationship": { "type": "投资", "description": "全资控股" },
        "entity": { "name": "阿里云", "type": "组织" }
      },
      {
        "depth": 2,
        "relationship": { "type": "研发", "description": "核心技术团队" },
        "entity": { "name": "通义实验室", "type": "组织" }
      }
    ]
  }
]

🔍 支持配置 max_depth 实现灵活的深度查询

---

第4步：生成自然语言回答

answer = kg_retriever.generate_answer(
    llm_model=llm_model,
    question="阿里巴巴有哪些子公司？",
    entity_name="阿里巴巴",
    kg_info=kg_info
)

💡 提示词优化策略：

• 明确要求优先使用图谱中的直接关联信息
• 禁止编造未出现在图谱中的关系
• 对冲突信息采用“投票机制”（出现频率高的优先保留）
• 输出格式统一为简洁自然语言

---

---

📦 数据格式规范

✅ 实体格式（Entity）

{
    "entity_name": "阿里巴巴",
    "entity_type": "组织",
    "entity_description": "中国领先的互联网科技公司",
    **metadata  # 其他自定义字段（如成立时间、行业等）
}

📌 必填字段：name, type, description
📌 扩展字段通过 metadata 字典传入

---

✅ 关系格式（Relationship）

{
    "source_entity": "阿里巴巴",
    "target_entity": "阿里云",
    "relationship_description": "投资并控股",
    "relationship_strength": 0.95  # 可选：关系置信度
}

📌 必填字段：source_entity, target_entity, relationship_description

---

✅ 检索返回格式（Graph Query Result）

[
  {
    "source_entity": { "name": "阿里巴巴", "type": "组织", "description": "..." },
    "actual_depth": 2,
    "layers": [
      {
        "depth": 1,
        "relationship": { "type": "投资", "description": "全资子公司" },
        "entity": { "name": "阿里云", "type": "组织" }
      },
      {
        "depth": 2,
        "relationship": { "type": "孵化", "description": "内部创新项目" },
        "entity": { "name": "通义实验室", "type": "组织" }
      }
    ]
  }
]

支持多路径、多跳结果返回，便于后续推理与展示

---

🔮 未来规划

功能	状态	说明
✅ 知识图谱构建	已完成	支持文本 → 三元组 → Neo4j
✅ 图谱检索与问答	已完成	支持多跳查询与自然语言生成
🔜 Milvus 向量库集成	开发中	实现文本向量化与相似性检索
🔜 RAG + KG 联动检索	规划中	结合向量检索与图谱推理，提升召回与准确性
🔜 Web 可视化界面	规划中	提供前端交互界面，支持图谱浏览与问答
🔜 领域 Prompt 定制模板	规划中	支持医疗、金融、法律等垂直领域快速适配

---

🛠️ 开发者友好设计

特性	说明
模块化接口	支持 HuggingFace、vLLM、Ollama、OpenAI 等多种模型调用方式
提示词可配置	所有 Prompt 存放于 Prompts/ 目录，便于领域定制
高可读性代码	注释清晰、函数职责单一、易于理解与二次开发
配置集中管理	所有参数在 config.py 中统一配置
错误处理完善	包含日志记录、异常捕获、重试机制

---

🤝 贡献与交流

欢迎任何形式的贡献！

• 🐞 提交 Issue：报告 Bug 或提出功能建议
• 💡 提交 PR：优化代码、新增功能、完善文档
• 📣 分享使用经验：在博客评论区或 GitHub 讨论区交流

---

🙏 致谢

感谢以下开源项目的技术启发：

• GraphRAG
• LightRAG
• LangChain
• OpenSPG
• Neo4j
• Milvus

---

🌟 SMARTGRAPHQA —— 让知识图谱真正“聪明”起来
一个为开发者而生的轻量级、可扩展、易理解的知识图谱问答系统。
现在就开始构建你的专属知识大脑吧！

---

如果你觉得这个项目对你有帮助，欢迎给个 ⭐ Star 支持一下，非常感谢！
你的 Star 是我们持续更新的动力 💫