知识图谱与 RAG 的协同应用： Neo4j 实体关系抽取及路径推理的技术实现

把知识图谱接入检索增强生成，可以让问答系统从文本检索扩展到关系辅助推理。纯向量检索在部分跨文档关系问题中可能存在局限。下面说明实体识别、关系抽取、Neo4j 存储与 Cypher 路径推理如何构成 RAG 的推理增强层，支持系统围绕“为什么”和“有什么关联”提供参考答案。

纯向量 RAG 的能力局限

检索增强生成的思路来自于：人在回答陌生问题时，会先翻资料再开口。大语言模型训练完成后知识就固定了，遇到训练数据之外的内容，它会生成听起来合理但实为编造的句子。检索增强生成把“先查后答”搬进模型，回答前先从外部知识库取相关片段喂给模型，让它基于证据说话。

纯向量做法把文档切成短片段，用嵌入模型转成向量存进向量库，提问时计算相似度取最近的几段。这种方法对“某概念是什么”类问题有效，相似片段本身就包含答案。一旦问题变成“甲为什么导致乙”“A 和 B 有什么关联”，相似度只比较字面接近程度，判断不了因果链条，可能召回相关性不足的片段，影响答案质量。

实体识别

信息抽取领域最早关注的任务之一，就是让机器从自由文本里标出专有名词并归类。早年的办法是拿词典去匹配，后来才转向模型自动判别边界与类别。在知识图谱的语境里，实体就是图的节点。

系统读入 PDF、Word、表格、图片等多格式文件，先用解析层抽出原文，再让模型判断哪些词是人名、机构与地点等。这一步的实体识别质量会显著影响后续图谱效果，实体识别把非结构化文字转成可供连接的节点素材。同名实体的消歧也得在这一步做，两个“张伟”要标成不同节点，靠上下文与属性区分。实际落地时，这套能力可用于简历与合同里的主体抽取、客服工单归类，把不同格式的文档统一成结构化字段，也为后续跨文档归并打下基础。

关系抽取

有了实体还不够，还需要把节点连成逻辑纽带。关系抽取源自语义网络研究里“把陈述显式化”的努力，目标是把人类一读就懂的关联，变成机器可存储的三元组。系统识别“创始人”“总部位于”“包含零部件”等语义关联，每条关系记录主语、谓语、宾语。

这类抽取早年靠人工标注加监督模型，后来用远程监督自动扩样本，如今大模型能直接按提示吐出结构化三元组，在部分任务中可改善抽取效果，具体需以评测结果为准。关系类型支持自定义，业务方可以增删“供应商”“子公司”等标签。这些三元组堆叠起来，就形成图谱里的边，让数据之间产生逻辑纽带，使后续的多跳查询成为可能。它把文档里散落的“谁属于谁”“什么包含什么”固化成结构，查询时不必再逐篇翻找。典型应用覆盖供应链上下游梳理、企业组织架构还原，许多带有关联关系的文本可尝试抽取为图结构。

图谱存储

图这种结构来自数学里的图论，由节点和边构成。关系型数据库用表格存数据，查关联要走大量表连接，关联越深，查询越慢。图数据库把“关系”作为一等公民，Neo4j 用原生的节点、边、属性模型，遍历邻居时直接顺着边走，不必回表。

对比一下就清楚：用关系库查“张三创办的企业投资了哪些子公司”，要连人物表、任职表、投资表、企业表，每多一跳就多一组连接，五跳以后响应时间陡增。

Neo4j 把每个实体存为节点，每条关系存为带类型的边，属性挂在节点或边上，多跳查询性能需结合数据规模、索引和部署环境评估。它专为高度关联的数据设计，在大规模关联数据场景中，可通过索引和架构设计优化查询性能，还能加约束防止重复节点、加索引加速按属性查点。

用 Cypher 补全深层逻辑

Cypher 是受 SQL 启发、为图结构设计的查询语言，用括号表示节点、中括号表示关系，直观描述“从某节点沿着某类边走到另一节点”。在 RAG 链路里，向量检索先返回相关片段，系统解析出问题中的实体，用 Cypher 去图谱查这些实体的邻居与路径。

比如问“某零部件用在哪些产品”，向量库给出文档片段，图谱补出包含该零部件的产品清单及上下游。路径推理沿着边走多跳，可套用最短路径、全部路径等算法，辅助发现跨文档的潜在关联线索。检索结果和图谱推理拼接后回给模型，有助于降低回答偏离资料的风险，具体效果需评测验证，但仅依赖向量检索时，部分关系推理能力可能受限。另一条常见链路是混合检索：向量召回负责语义模糊匹配，关键词负责精确命中，图谱负责把实体关系拉通，三层结果汇给大模型生成答案。

在小艾智能体里，知识图谱被放在 RAG 的推理增强层位置。系统处理企业多格式文档后，抽取实体与关系写入 Neo4j，问答时先向量检索再图谱补全。跨文档、跨领域的复杂关联问题，比如制造企业里“某型号零件用在哪条产线、产线归哪个车间”，仅依赖纯向量检索时，可能难以稳定呈现实体路径关系，图谱把实体路径辅助梳理实体路径关系。小艾把这套链路做成可配置工作流，文档处理、实体抽取、图谱写入、问答推理可配置为包含文档处理、实体抽取、图谱写入和问答推理的流程。