Wenjie Zhang 371f717881 feat: 更新环境变量配置路径

- 新增 .env.template 文件，提供环境变量配置示例
- 更新 docker-compose.yml 和相关文档，调整 .env 文件路径至项目根目录
- 修正文档中对环境变量配置的引用，确保一致性

2025-10-10 18:07:06 +08:00

3.2 KiB

Raw Blame History

知识库与知识图谱

项目中的知识库与知识图谱，即是知识管理组织的方式，同时会被封装为工具供 AgenticRAG 系统调用。

创建知识库

系统支持多种知识库存储形式，满足不同场景需求：

存储类型	特点	适用场景
Chroma	轻量级向量数据库	小型项目、快速原型、维护方便
Milvus	高性能向量数据库	大规模生产环境、高性能查询
LightRAG	图增强检索	复杂知识关系，构建成本较高

访问 Web 界面：http://localhost:5173，进入"知识库管理"页面，点击"新建知识库"，填写知识库信息。

这里需要注意的是，这里的知识库的标题和描述都会作为智能体选择工具的依据，因此尽量详尽的描述该知识库。

LightRAG 知识库说明

在本项目中，系统支持基于 LightRAG 的知识图谱自动构建，能够从文档中自动提取实体和关系，构建结构化知识图谱。但是 LightRAG 所构建的知识图谱不作为全局的知识图谱来使用。只是将 LightRAG 作为知识的组织和检索形式。一方面是因为 LightRAG 构建的图谱的质量比较差，另一方面是不希望与全局的知识图谱弄混。

LightRAG 知识库可在知识库详情中可视化，但不支持在侧边栏图谱中直接检索，图谱检索工具不支持 LightRAG 知识库，查询需要使用对应的知识库作为工具。

在 Neo4j 的检索中可以看到，实际上 LightRAG 的节点和边依然是和知识图谱本身构建在了同一个 Neo4j 数据库中，但是使用了特殊的 tag 做区分。这点在后面介绍知识图谱的时候也会额外说明。

系统默认使用 siliconflow 的 Qwen/Qwen3-30B-A3B-Instruct-2507 模型进行图谱构建。可通过环境变量自定义图谱构建模型：

<<< @/../.env.template#lightrag{bash}

文档管理

::: danger 待补充 :::

知识图谱

::: danger 待补充关于知识图谱在项目中的定位 :::

1. 以三元组形式导入

系统支持通过网页导入 jsonl 格式的知识图谱数据：

{"h": "北京", "t": "中国", "r": "首都"}
{"h": "上海", "t": "中国", "r": "直辖市"}
{"h": "深圳", "t": "广东", "r": "省会"}

格式说明，每行一个三元组，系统自动验证数据格式，并自动导入到 Neo4j 数据库，添加 Upload、Entity、Relation 标签，会自动处理重复的三元组。

Neo4j 访问信息可以参考 docker-compose.yml 中配置对应的环境变量来覆盖。

默认账户: neo4j
默认密码: 0123456789
管理界面: http://localhost:7474
连接地址: bolt://localhost:7687

::: tip 测试数据可以使用 test/data/A_Dream_of_Red_Mansions_tiny.jsonl 文件进行测试导入。 :::

2. 接入已有 Neo4j 实例

如需接入已有的 Neo4j 实例，可修改 .env 中的配置：

<<< @/../.env.template#neo4j{bash}

同时记得注释掉下面的 neo4j 服务：

<<< @/../docker-compose.yml#neo4j

::: warning 注意事项确保每个节点都有 Entity 标签，每个关系都有 RELATION 类型，否则会影响图的检索与构建功能。 :::

3.2 KiB Raw Blame History