GraphRAG智能问答系统

基于nano-GraphRAG的智能问答系统，结合知识图谱和大型语言模型，实现高效的问答功能。

系统概述

本系统使用轻量级的nano-GraphRAG框架，结合Neo4j图数据库和Ollama部署的deepseek模型，构建一个完整的智能问答系统。系统能够从文本中提取实体和关系，构建知识图谱，并基于此回答用户问题。

技术栈

• nano-GraphRAG: 轻量级GraphRAG实现框架
• LlamaIndex: 知识索引和检索框架
• Neo4j: 图数据库，用于存储知识图谱
• Ollama: 本地部署LLM模型
• deepseek: 大型语言模型
• FastAPI: 后端API框架
• Streamlit: 前端UI框架

功能特点

1. 文本处理与知识图谱构建

   • 使用deepseek处理文本，提取实体和关系
   • 自动构建知识图谱并存储到Neo4j

2. 智能问答

   • 自然语言问题转换为Cypher查询
   • 基于图数据库查询结果生成回答

3. 图谱查询

   • 支持直接使用Cypher查询语言查询图谱
   • 查看知识图谱模式和结构

安装指南

前提条件

• Python 3.8+
• Neo4j数据库
• Ollama (用于本地部署LLM)

安装步骤

1. 克隆仓库

git clone https://github.com/yourusername/graphrag-qa-system.git
cd graphrag-qa-system

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

创建.env文件并设置以下变量:

NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=yourpassword
OLLAMA_BASE_URL=http://localhost:11434
LLM_MODEL=deepseek-coder:latest

4. 启动Neo4j数据库

5. 使用Ollama拉取deepseek模型

ollama pull deepseek-coder:latest

使用指南

启动系统

# 启动完整系统（API和UI）
python main.py

# 仅启动API
python main.py --api-only

# 仅启动UI
python main.py --ui-only

系统启动后:

• API服务运行在 http://localhost:8000
• UI界面运行在 http://localhost:8501

使用流程

1. 知识库构建

   • 导航到"知识库构建"标签页
   • 输入或粘贴文本内容
   • 点击"处理文本"按钮
   • 系统会自动提取实体和关系，构建知识图谱

2. 问答交互

   • 导航到"问答系统"标签页
   • 输入问题
   • 点击"提交问题"按钮
   • 查看系统回答

3. 图谱查询

   • 导航到"图谱查询"标签页
   • 输入Cypher查询语句
   • 查看查询结果

系统架构

+-------------------+    +------------------+
|     用户界面      |    |      API         |
| (Streamlit)       | <-> | (FastAPI)       |
+-------------------+    +------------------+
                               |
                               v
+-------------------+    +------------------+
|    知识图谱       | <- |   文本处理       |
| (Neo4j)           |    | (Entity         |
+-------------------+    |  Extraction)    |
        ^                +------------------+
        |                        |
        |                        v
+-------------------+    +------------------+
|   查询处理        | <- |    LLM模型       |
| (Query           |    | (deepseek via    |
|  Processing)     |    |  Ollama)         |
+-------------------+    +------------------+
        |
        v
+-------------------+
|   回答生成        |
| (Response        |
|  Generation)     |
+-------------------+

开发者指南

项目结构

graphrag_qa_system/
│
├── main.py                 # 主程序入口
├── config.py               # 配置文件
├── requirements.txt        # 依赖包列表
│
├── api/                    # API 接口
│   ├── __init__.py
│   └── endpoints.py        # FastAPI 端点定义
│
├── ui/                     # 用户界面
│   ├── __init__.py
│   └── app.py              # Streamlit 应用
│
├── core/                   # 核心功能模块
│   ├── __init__.py
│   ├── text_processor.py   # 文本处理与实体提取
│   ├── knowledge_graph.py  # 知识图谱构建与管理
│   ├── query_processor.py  # 查询处理与转换
│   └── response_generator.py  # 回答生成
│
├── models/                 # 模型管理
│   ├── __init__.py
│   └── llm_manager.py      # LLM 模型管理
│
└── utils/                  # 工具函数
    ├── __init__.py
    └── helpers.py          # 辅助函数

扩展指南

1. 添加新的LLM模型

   • 修改models/llm_manager.py，添加新模型支持

2. 自定义实体提取逻辑

   • 修改core/text_processor.py中的提取逻辑

3. 优化Cypher查询生成

   • 修改core/query_processor.py中的查询生成逻辑

贡献指南

欢迎提交Pull Request或Issue来改进系统。请确保您的代码遵循以下原则:

• 模块化设计
• 低耦合
• 良好的代码可读性
• 完善的注释和文档

许可证

MIT License