知识图谱
知识图谱是煎蛋平台知识库的高级功能。与传统 RAG 仅依赖文本块的语义匹配不同，知识图谱将文档中的信息结构化为实体—关系—实体的三元组网络，使 AI 能够理解概念之间的逻辑关联，从而支持总结性问答、多跳推理等复杂场景。
为什么需要知识图谱
传统 RAG 的工作方式是将用户问题转化为向量，在向量空间中查找与之语义相近的文本块，然后将这些文本块作为上下文提供给大模型生成回答。这种方式在事实类问答中效果良好，但在以下场景存在局限：
- 总结性问题：如"本文档涉及哪些核心技术？"——这类问题需要跨多个文本块聚合信息，向量检索难以覆盖全局
- 多跳推理：如"A 技术由哪个团队在哪个项目中首次应用？"——需要串联多个分散的事实
- 关系理解：如"A 和 B 之间是什么关系？"——需要预先建立概念间的关联
知识图谱正是为解决这些场景而生。它将文档内容预先结构化为图网络，在检索时不仅返回匹配的文本块，还能带回相关的关联节点，让大模型获得更完整的上下文。
知识图谱如何构建
煎蛋平台支持两种知识图谱构建模式：
基于词法的自动提取
在此模式下，大模型直接阅读文档内容，自动识别其中的实体（概念、人物、组织、技术等）和它们之间的关系，并以三元组（头实体、关系、尾实体）的形式输出。这种方式无需人工干预，适合快速探索未知领域的文档。
大模型在提取时会综合考虑：
- 词频与共现：高频共现的术语更可能构成关系
- 语义角色：识别主语、谓语、宾语的语义结构
- 上下文消歧：结合上下文区分同一术语在不同语境中的含义
基于专家定义的领域知识图谱
对于专业领域，AI 自动提取的实体和关系可能不够精准，或者遗漏行业特定的关键概念。平台允许领域专家预先定义：
- 实体类型：例如在医学领域，定义"疾病"、"药物"、"症状"、"检查指标"等实体类别
- 关系类型：例如"药物—治疗—疾病"、"症状—提示—疾病"、"检查—发现—指标异常"
定义好数据模型后，大模型将按照专家设定的框架进行三元组抽取。这相当于给 AI 配备了一副"领域眼镜"，让它用专家的视角去理解文档，大幅提升抽取的准确性和专业性。
同义词表
同义词表用于规范化术语。在实际文档中，同一概念可能以多种方式出现，例如"机器学习"、"Machine Learning"、"ML"。通过预设同义词表，告知大模型在提取到这些变体时统一使用标准术语，避免图谱中出现大量重复节点。
停用词表
停用词表用于过滤掉不需要作为实体出现的词汇。例如在技术文档中，"系统"、"功能"、"模块"等通用词频繁出现但对其单独建节点意义不大。将它们加入停用词表后，大模型在提取时将自动忽略这些词汇。
知识图谱的编辑与维护
大模型自动生成的知识图谱通常需要人工审核和优化，这是一个"AI 生成 + 人工精修"的协作过程。
节点编辑
- 修改属性：调整实体名称、类型、重要性权重
- 删除冗余节点：去除无意义或错误的实体
- 合并节点：将本质相同的多个节点合并为一个，保持图谱简洁
关系编辑
- 修改关系标签：纠正不准确的关系描述
- 删除错误关系：去除 AI 误判的关联
- 添加遗漏关系：补充专家知识中的重要关联
撤销与重做
编辑过程中支持撤销和重做，方便尝试不同的组织方式。
图谱的可视化展示
知识图谱支持多种可视化布局，适用于不同的分析视角：
- 力导向图：节点根据关联紧密程度自然聚拢，适合全局概览。关联密集的区域一目了然，便于发现核心知识簇。
- 思维导图：以选定节点为根向右展开，适合沿着某个概念进行深度探索，查看其所有直接和间接关联。
- 层次图：从上向下展示层级结构，适合呈现分类体系和从属关系。
此外，可以通过重要性过滤来隐藏次要节点，聚焦核心知识。
挂载到智能体作为 RAG 知识库
知识图谱创建后，可以挂载到智能体，作为 RAG 检索的增强数据源。当用户向智能体提问时：
- 系统同时执行向量检索和知识图谱检索
- 图谱返回的内容不仅包含匹配的节点，还包含其关联的邻居节点
- 大模型获得的不再是孤立的文本块，而是一个带有关系网络的知识片段
这种机制特别适合回答"总结全文要点"、"[实体A] 和 [实体B] 之间有什么关系"这类需要跨越多个段落进行综合判断的问题。在多跳推理场景中，知识图谱可以显著减少大模型的"幻觉"现象。
共享知识图谱
知识图谱可以对外共享，生成只读链接。共享后的图谱保留了当前的布局状态和可见范围，外部用户无需登录平台即可浏览。
共享知识图谱的典型用途包括：
- 将某个领域的知识结构分享给团队或客户
- 作为教学材料，可视化展示复杂概念体系
- 嵌入外部页面，提供交互式知识浏览体验
注意事项
- 知识图谱的抽取质量高度依赖源文档的结构化程度。逻辑清晰、层级分明的文档通常能获得更好的效果。
- 对于专业领域，强烈建议使用专家定义的数据模型，这将大幅提升抽取质量并减少后期编辑工作量。
- 图谱编辑会直接影响知识库数据，合并节点和删除关系时请确认该操作不会导致信息丢失。