详细解释
知识图谱（Knowledge Graph，KG） 最出名的亮相是 2012 年 Google 在搜索里推出 Google Knowledge Graph（搜”爱因斯坦”右侧出一张结构化卡片：生卒年、国籍、相对论、配偶……）。到 AI RAG 时代，KG 找到了新定位：把”非结构化文档里的结构化关系”显式抽出来存成图，用来补向量检索的两个硬伤——多跳推理、实体歧义。
核心数据结构：三元组（Triple）= (头实体 S, 谓词/关系 P, 尾实体 O)，例如：
- (唯元智创, 创始人, 张三)
- (张三, 毕业于, 清华大学)
- (清华大学, 位于, 北京)
实体 + 关系一起组成一张图，每个节点（实体）有一堆属性（别名、类型、描述），每条边（关系）有方向+权重。
知识图谱在 LLM / RAG 里解决什么痛点
向量检索的硬伤是：“你问的文档里没直接写，但靠 2–3 跳关系能推出来”的问题，它经常答不出来。KG 刚好就是”关系机器”。
| 痛点场景 | 纯向量检索的表现 | + Knowledge Graph 之后 |
|---|---|---|
| 多跳推理：“唯元智创创始人的毕业院校在哪个城市？” | 如果没有文档直接一句话”张三毕业于清华，清华在北京”，向量检索可能只能召回 2 段分散文档，LLM 拼不起来，直接 幻觉 | 从 KG 上跑：(唯元智创→创始人→张三→毕业于→清华→位于→北京)，路径清晰。LLM 可以拿到”路径证据”，回答准确率 +20 至 40% |
| 实体消歧：用户说”苹果发布新手机了” | 向量库可能同时召回”苹果（水果）营养文档”和”苹果公司 iPhone”文档，Top-K 里混进噪音 | KG 里有实体类型 + 别名：(Apple Inc., 别名, 苹果公司) + (Apple Inc., 类型, 科技公司) + (Malus domestica, 别名, 苹果)，结合上下文先做消歧 → 再检索 |
| 隐含关系补全：新客户资料里写了”A 公司被 B 收购”，之前文档没提 | 向量检索要等下次重刷索引才知道 | KG 直接加一条 (B, 收购了, A) 三元组，立即可查；还能做链路预测”A 的竞争关系现在归到 B 了” |
| 合规溯源：用户问”A 药品治什么病？“要求回答必须能追溯到药品说明书原文 | 向量检索能给原文片段，但不知道”原文里 A 对应的治疗病症”这句话里的实体关系对不对 | KG 里把药品-适应症、成分、禁忌症、不良反应抽成三元组，每条回答都挂三元组的 SPO ID，直接溯源到原文第几句 |
构建企业知识图谱的 4 步流水线（标准做法）
非结构化文档/PDF/网页
↓
① 文档切片（Chunking + [Semantic Chunking](/support/glossary/semantic-chunking/)）
↓
② 实体与关系抽取（LLM + IE Prompt / 专用信息抽取模型）
输出：[{Entity: 唯元智创, Type: 公司}, {Entity: 张三, Type: 人物}, ...]
[(唯元智创, 创始人, 张三), ...]
↓
③ 实体对齐（Entity Alignment）+ 消歧
把"张三 / 张总 / ZS / zhangsan@weimeta.cn"全部对齐到同一个实体节点
↓
④ 存入图数据库（Neo4j / NebulaGraph / Amazon Neptune）
同时把每个实体 + 关系的描述做 [Embedding](/support/glossary/embedding/)，存到 [Vector Database](/support/glossary/vector-database/) 里做混合检索企业落地推荐组合：图数据库（存结构）+ 向量数据库（存语义）+ Rerank 重排，三者联手。唯元智创 企业版 RAG 支持”文档一键抽 KG”，第①②步开箱就能跑。
知识图谱 vs 纯向量 RAG 成本对比（10 万文档级知识库）
| 维度 | 纯向量 RAG | + 知识图谱 |
|---|---|---|
| 搭建成本（人周） | 1–2 人周（上 Chroma / pgvector 即可） | 5–10 人周（抽取 Schema 设计 + 实体对齐 + 图数据库运维） |
| 召回准确率（单跳事实） | 85% | 87%（提升不大） |
| 召回准确率（2 跳以上推理） | 55% | 85%+（大幅提升） |
| 幻觉率 | 高（20% 左右） | 低（5% 以下）（可追溯 SPO） |
| 适用行业 | 通用文档问答 | 医疗（药品/病症）、金融（股权/关联交易）、法律（合同/条款关系）、制造（设备/BOM 关系） |
常见问题
我们公司文档 1 万篇都不到，需要上 KG 吗？
LLM 能直接抽三元组吗，还是必须买信息抽取商业模型？
2025 年基本都用 LLM 抽了。做法：给 LLM 一段文档 + 一份关系类型 Schema（白名单）（比如只能抽”公司/人/产品”三类实体，只能有”创始人/投资/位于”等 15 种关系）+ 3 条 Few-Shot 示例 → 用 Structured Output 强制输出 JSON 数组。gpt-4o-mini 这个级别的模型，抽取 F1 通常能到 85–90%，人工抽查 10% 做质检就够了。商用抽取模型（百度信息抽取、阿里云 NLP）能到 92–95% 但贵很多，一般先用 LLM + 结构化输出，跑通了再看要不要上专用模型。
Neo4j 之外还有什么适合企业的图数据库？
按规模选：小型（100 万三元组以内）：Neo4j Community 免费版 / Apache AGE（PG 扩展，有 PG 就直接用）；中型（1 亿级）：NebulaGraph（国产开源，字节/美团等大厂在用，社区活跃）/ Amazon Neptune（托管版，AWS 用户方便）；超大规模（10 亿+）：Neo4j Enterprise / TigerGraph / 阿里 GDB；2025 年新趋势：Vector + Graph 融合数据库（如 pgvector + AGE 同一张表、Neo4j 5.x 内置向量索引），不用两套系统跨库 join。