知識圖譜+向量數據庫：打造更智能的RAG系統
在當今AI時代，檢索增強生成(RAG)已成為提升大語言模型回答質量的關鍵技術。本文將探討如何結合知識圖譜和向量數據庫構建更智能的圖RAG系統，讓AI回答更準確、更可靠。
圖RAG是什么？為什么需要它？
想象一下，傳統RAG就像是一個勤奮但視野有限的圖書管理員，只能根據關鍵詞匹配找到相關書籍。而圖RAG則像是一位博學多才的專家，不僅知道每本書的內容，還了解它們之間錯綜復雜的關聯。
傳統RAG雖然能從海量文檔中檢索相關片段，但它就像戴著眼罩看世界—看到了內容，卻看不到內容間的聯系。圖RAG通過引入知識圖譜這把"魔法鑰匙"，打開了數據關系的大門，讓AI不僅理解"是什么"，還能理解"為什么"和"怎么樣"，從而提供更全面、更深入的回答。
目前主要有三種實現圖RAG的方式：
一是基于向量的檢索，將知識圖譜向量化存儲在向量數據庫中，通過相似度匹配檢索。二是相關實體提示查詢檢索使用LLM將自然語言轉換為SPARQL或Cypher查詢語句，直接查詢知識圖譜。最后就是二者結合的混合方法，結合兩者優勢，先用向量搜索初步檢索，再用知識圖譜進行篩選優化。
實驗比較：三種方法的優劣
我們以電子商務產品推薦系統為例，對比三種方法在語義搜索、相似度計算和RAG方面的表現。
方法一：向量數據庫檢索
首先，我們將產品描述和用戶評論向量化存入Milvus向量數據庫：
# 定義數據模式
collection_name = "products"
dim = 1536
# OpenAI embedding維度
# 創建集合
collection = Collection(name=collection_name)
collection.create_field(FieldSchema("id", DataType.INT64, is_primary=True))
collection.create_field(FieldSchema("title", DataType.VARCHAR, max_length=200))
collection.create_field(FieldSchema("description", DataType.VARCHAR, max_length=2000))
collection.create_field(FieldSchema("embedding", DataType.FLOAT_VECTOR, dim=dim))
# 寫入數據
with collection:
for index, row in df.iterrows():
embedding = get_embedding(row.title + " " + row.description) collection.insert([ [index], [row.title], [row.description], [embedding] ])語義搜索測試：搜索"輕便防水運動鞋"時，返回相關產品：
《超輕透氣跑步鞋》
《防水戶外徒步鞋》
《多功能運動訓練鞋》
這里向量數據庫展現了良好的語義理解能力，能找到功能相關的產品，即
使它們的描述用詞不完全一致。
當用戶詢問"推薦適合雨天跑步的鞋子"時，系統檢索出相關產品并生成建議：
以下是幾款適合雨天跑步的鞋子推薦：
- 防水透氣跑步鞋XYZ采用特殊橡膠外底，提供優異抓地力
- 全天候運動鞋ABC配備防潑水面料，輕量設計適合長跑
- 專業越野跑鞋DEF具有排水設計，即使踩水也能快速干燥然而，我們發現一個問題：向量數據庫可能會返回視覺上相似但功能不匹配的產品(如時尚休閑鞋)，這會導致"上下文污染"，使LLM生成的推薦不夠精準。
方法二：知識圖譜檢索
接下來，我們將同樣的數據構建成知識圖譜：
# 創建實體和關系
g.add((product_uri, RDF.type, Product))
g.add((product_uri, name, Literal(row['title'])))
g.add((product_uri, description, Literal(row['description'])))
# 添加產品屬性和分類關系
for feature in features:
feature_uri = create_valid_uri("http://example.org/feature", feature)
g.add((feature_uri, RDF.type, Feature))
g.add((product_uri, hasFeature, feature_uri))語義搜索測試：我們不僅搜索"防水"標簽，還利用產品本體的層級關系，同時搜索相關概念如"防潑水"和"快干"：
# 獲取防水的相關概念
related_concepts = get_all_related_concepts("WaterProof", depth=2)
# 將所有概念轉為URI進行查詢
feature_terms = [convert_to_feature_uri(term) for term in flat_list]結果返回：
《全天候防水徒步鞋》(標簽：防水、耐磨、戶外)
《速干涉水溯溪鞋》(標簽：快干、防滑、水上運動)
《Gore-Tex專業跑鞋》(標簽：防潑水、透氣、專業跑步)
知識圖譜的優勢在于結果可解釋性強，我們知道每個產品為什么被選中。
方法三：混合方法
最后，我們結合兩種方法的優勢：
將產品描述、評論和特性標簽一起向量化：
# 創建包含產品特性的向量表示
collection = Collection(name="products_with_features")
collection.create_field(FieldSchema("id", DataType.INT64, is_primary=True))
collection.create_field(FieldSchema("title", DataType.VARCHAR, max_length=200))
collection.create_field(FieldSchema("description", DataType.VARCHAR, max_length=2000))
collection.create_field(FieldSchema("features", DataType.VARCHAR, max_length=500))
collection.create_field(FieldSchema("product_uri", DataType.VARCHAR, max_length=200))
collection.create_field(FieldSchema("embedding", DataType.FLOAT_VECTOR, dim=dim))
先用向量搜索獲取初步結果：
# 搜索適合雨天跑步的鞋子
search_params = { "metric_type": "COSINE", "params": {"nprobe": 10} }
results = collection.search( [get_embedding("適合雨天跑步的鞋子")], "embedding", search_params, limit=20,
output_fields=["title", "description", "features", "product_uri"] )
再用知識圖譜篩選和排序：
# 篩選出真正具備防水和跑步功能的產品
query = """ SELECT ?product ?title ?description WHERE { ?product hasFeature ?feature1. ?product hasFeature ?feature2. ?product name ?title. ?product description ?description. FILTER (?product IN (%s) && ?feature1 IN (%s) && ?feature2 IN (%s)) } """這種混合方法解決了上下文污染問題，最終返回的都是真正適合雨天跑步的專業鞋款：
《GTX防水專業馬拉松跑鞋》
《全天候防潑水競速跑鞋》
《防滑防水越野跑步鞋》
結論與實踐建議
從上面的對比，我們可以看到，向量數據庫優勢是部署簡單快速，Milvus提供高性能向量檢索，特別適合大規模產品庫。缺點是結果不可解釋，且存在上下文污染風險。知識圖譜優勢，是結果高度可控和可解釋，可以精確過濾無關內容。缺點是需要構建和維護知識圖譜，查詢編寫復雜。而對于混合方法，則利用Milvus的高效檢索和知識圖譜的精確性，既保證了檢索速度，又提高了推薦質量。
在實際應用推薦上，比如做內容推薦，同時考慮主題相似性和內容關聯性，避免推薦表面相似但實質不相關的內容，又或者對于客戶服務，確保回答不僅相關，還能考慮到產品間的兼容性和搭配關系。
圖RAG不僅是技術的組合，更是提升AI系統智能程度的飛躍。通過Milvus的高效向量檢索和知識圖譜的關系理解，我們的AI不再是簡單的"關鍵詞匹配機器"，而是真正理解用戶需求的"智能顧問"。
