# graphrag

**Repository Path**: itluma2008/graphrag

## Basic Information

- **Project Name**: graphrag
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-05-19
- **Last Updated**: 2026-05-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

1、RAG基础：从入门到精通
    1.1 RAG介绍
    1.2 构建RAG应用
        索引：文档加载、文本分块、向量嵌入和存储
        检索：相似度、最大边际相关性
        生成：LCEL、历史对话、重述用户问题
    1.3 评估和优化
        无参考评估：查询的文本、检索的上下文、回复的内容
        RAGAS：使用LLM作为“评委”自动打分，上下文相关性、答案的相关性、忠实度、响应的真实性
        a、多查询
        b、HyDE
        c、重排序
            RRF
            重排序模型
        d、混合检索
            关键词（BM25）+相似度
            A -> B -> C
   Advanced RAG -> GraphRAG -> Agentic RAG 

“知识图谱”Graph：人物关系


2、作业
第 1 题：查询所有电影的片名和上映年份，按年份升序排列
- 返回列名分别为"片名"和"年份"
- 结果按年份从早到晚排列
MATCH (m:Movie) RETURN m.title, m.year ORDER BY m.year asc

第 2 题：找出评分高于 8.5 分的电影，返回片名和评分
- 使用 WHERE 过滤 rating 属性（严格大于 8.5）
- 结果按评分从高到低排列
- 返回列名为"片名"和"评分"
MATCH (m:Movie) WHERE m.rating > 8.5  RETURN m.title,m.rating ORDER BY m.rating DESC

第 3 题：查询张艺谋导演过的所有电影，返回片名、年份和该片是否获奖
- 通过 DIRECTED 关系从 Person 节点出发匹配 Movie
- 获奖信息取自关系属性 award（布尔值）
- 结果按年份升序排列
MATCH (p:Person{name:"张艺谋"})-[r:DIRECTED]->(m:Movie) RETURN m.title AS 片名, m.year AS 年份, r.award AS 获奖 ORDER BY m.year 

第 4 题：查询巩俐参演过的所有电影及她扮演的角色
- 通过 ACTED_IN 关系匹配，取关系属性 role 作为角色名
- 同时返回该角色是否获奖（award 属性）
- 返回列名为"电影""角色""获奖"
MATCH (p:Person{name:"巩俐"})-[r:ACTED_IN]->(m:Movie) RETURN m.title, r.role, r.award

第 5 题：统计每位导演执导的电影数量，按数量降序排列
- 遍历所有 DIRECTED 关系，用 COUNT() 聚合
- 返回列名为"导演"和"执导数量"
- 结果按执导数量从多到少排列
MATCH (p:Person)-[:DIRECTED]->(m:Movie) RETURN p.name AS 导演, count(m) as 执导数量 ORDER BY 执导数量 DESC


第 6 题：找出既是导演又是演员的人，列出姓名
- 同一个 Person 节点同时拥有 DIRECTED 和 ACTED_IN 出边
- 用 EXISTS { } 子句或两次 MATCH 实现
- 用 DISTINCT 去重，只返回姓名
MATCH (p:Person)-[:DIRECTED]->(m:Movie) 
MATCH (p)-[:ACTED_IN]->(:Movie) 
RETURN DISTINCT p.name AS 姓名

MATCH (p:Person)-[:DIRECTED]->(m:Movie) 
WHERE EXISTS {(p)-[:ACTED_IN]->(:Movie) } 
RETURN DISTINCT p.name AS 姓名


第 7 题：查询与张艺谋共同参演过同一部电影的演员
- 两个 Person 各自通过 ACTED_IN 指向同一个 Movie 节点
- 排除张艺谋本人（co <> zhang）
- 返回合作演员姓名和共同电影名，用 DISTINCT 去重
OPTIONAL MATCH (p:Person{name:"张艺谋"})-[:ACTED_IN]->(m:Movie)<-[:ACTED_IN]-(co:Person)
WHERE p <> co
RETURN DISTINCT co.name as 合作演员,m.title AS 共同电影

第 8 题：查询张艺谋直接关注的人，以及这些人各自关注的人（二度关注）
- 第一跳：张艺谋 -[:FOLLOWS]→ 直接关注者
- 第二跳：直接关注者 -[:FOLLOWS]→ 二度关注者（用 OPTIONAL MATCH）
- 排除张艺谋自身出现在二度列表中
- 用 COLLECT(DISTINCT …) 将二度关注者收集成列表

MATCH (p:Person{name:"张艺谋"})-[:FOLLOWS]->(first:Person) 
OPTIONAL MATCH (first)-[:FOLLOWS]->(second:Person)
WHERE p <> second
RETURN first.name as 直接关注者,collect( DISTINCT second.name) AS 二度关注

MATCH（inner join）:找不到就整行丢弃
OPTIONAL MATCH(left  join):找不到就返回Null，但这一行保留


第 9 题：计算每位演员参演电影的平均评分，只保留参演 2 部以上的演员
- 用 AVG() 计算平均评分，COUNT() 统计参演数
- 先用 WITH 承接聚合结果，再用 WHERE 过滤参演数 ≥ 2
- 平均评分保留一位小数，结果按平均评分降序排列
MATCH (p:Person)-[:ACTED_IN]->(m:Movie)
WITH p.name AS 演员, count(m) as 参演数, round(avg(m.rating)*10)/10 as 平均分
WHERE  参演数>=2
RETURN 演员, 参演数,平均分 ORDER BY 平均分 DESC

第 10 题:找出粉丝最多的 3 位明星，并列出其评分最高的一部作品（参演或执导均算）
- 统计被 FOLLOWS 的次数（入度），取前 3 名
- 用 OPTIONAL MATCH 匹配该明星参演或执导的所有电影（DIRECTED|ACTED_IN）
- 按电影评分降序排列后，用 COLLECT()[0] 取评分最高一部作为代表作
- 最终返回：明星姓名、粉丝数、代表作
MATCH (fan:Person)-[:FOLLOWS]->(star:Person) 
WITH star, count(fan) as 粉丝数
ORDER BY 粉丝数 DESC LIMIT 3
OPTIONAL MATCH (star)-[:DIRECTED|ACTED_IN]->(m:Movie)
WITH star.name AS 明星, 粉丝数, m
ORDER BY m.rating DESC
return 明星, 粉丝数, collect(m.title)[0] AS 代表作


导出：neo4j-admin database dump neo4j --to-path=D:/LLM/graphgrag/data --overwrite-destination=true


导入：
neo4j stop
neo4j-admin database load neo4j --from-path=D:/LLM/graphgrag/data --overwrite-destination=true
neo4j start

3、构建图谱索引：采用混合索引进行检索
    3.1 向量索引：语义问题

    3.2 全文索引：关键词匹配问题

        “找和`运动鞋`语义相近的商品”--》向量索引-》跑步鞋、球鞋
         找名称中精确包含 Nike 的品牌--》全文索引-》精确匹配

    一句话：向量检索主要解决意思像不像，而全文检索字面有没有

        全文索引：本质上就是倒排索引，先把文本切成词，再建立 “词-》包含这个词的节点” 的映射表

            “Nike 运动鞋2024” -> 分词 -> ["Nike", "运动鞋", "2024"]
            
            倒排表：
                Nike ->[节点A, 节点C, 节点F]
                运动鞋 ->[节点A, 节点B, 节点D]
                2024 ->[节点A， 节点E]


    混合检索：
    用户输入：“找跑鞋”
        全文索引：精确找到含“跑鞋”关键词的节点 =》召回集 A
        向量索引：语义中找“运动鞋”, "球鞋"等近义词  =》召回集  B
        
        合并去重-》送入LLM生成答辩


4、实现GraphRAG的流程：
    a、用户输入|历史聊天内容
    b、路由标签：通过大模型识别入口的节点类型+实体
    c、节点检索（难点）：
            User->Cypher直查
            其他->向量+全文混合检索
    d、Cypher语句生成：LLM根据入口节点+schema生成（Text2Sql）
    e、Cypher语句校验：语法校验（explain）+LLM逻辑验证
    f、Cypher语句校正：LLM根据错误信息修正
    g、执行Cypher语句：cypher_correcory+dirver.execute_query
    h、返回list[Document]

    核心思路就是将自然语言转化为Cypher查询语句，从Neo4J图数据库中精确检索结构化知识。整体分六个阶段：
    阶段一：路由标签识别：用LLM分析用户输入，识别查询涉及到哪些知识图谱的节点类型（SKU、SPU、Category1）
    阶段二：入口节点检索
    阶段三：生成Cypher语句
    阶段四：Cypher语句验证
    阶段五：Cypher语句校正
    阶段六：执行并返回

    重点：
    1、混合索引的生成
    2、混合检索的异步并发设计
    3、多级Cypher质量保障机制：生成-》语法验证-》逻辑验证-》LLM校正-》规则校正
        explain检查语法错误速度快，LLM验证覆盖逻辑错误（比如关系方向、缺少用户过滤条件），最后CypherQueryCorrector基于Schema做规则兜底
    4、结构化输出：with_structured_output(RouteOutput)
    5、Prompt工程设计

        AI发展：说清楚（Prompt）->提供资料（Context RAG）->执行（Agent:Agent_Skills|OpenClaw|Harnes）

    企业考察点：
    1、稳定性方面：Cypher校正只执行一次，在实际情况下最好改成循环校正，同时execute_query应该增加一个超时控制
    2、安全性方面：LLM生成Cypher存在注入风险，不可直接拼接用户输入。MATCH|RETURN   DELETE 
    3、成本与延迟方面：缓存
    4、可观测性：日志
    5、模型选择：qwen\deepseek\gpt\glm
        qwen3-coder-480b