Agent-10-07.图数据库与GraphRAG

发表于 | 分类于
属性图、Cypher、Graph RAG 的行业场景、实现路径与和向量 RAG 的对比。

系列：00 索引 · 上一篇：06 混合 RAG · 下一篇：08 HITL

1. 行业常见问题

问题类型 纯向量 RAG 的局限
「A 方法输入什么、预测什么指标？」 段落相似≠关系明确
「与 B 方法相比差异？」 需多文档对照，易漏
方法-工具-论文-指标多跳 检索 top-k 难覆盖结构

典型领域：方法库、药物-靶点-通路、合规规则链、供应链。

2. 该技术如何解决

用 属性图 存实体与关系；查询时用 Cypher（或 Gremlin）做子图扩展；把 子图 + 关联文本 喂给 LLM，即 Graph RAG。

与混合 RAG 互补：文献叙述用向量；方法关系用图。

3. 核心原理

3.1 属性图三元组

1
2
3
4
(方法)-[:接受输入]->(特征类型)
(方法)-[:预测]->(指标)
(方法)-[:实现于]->(软件)
(方法)-[:引自]->(论文)

3.2 Graph RAG 流程

1
NL 问题 → 实体链接 → Cypher 子图（1–2 hop）→ 序列化 → LLM + 引用 node/edge

3.3 子图过大问题

  • 限制 hop、按关系类型过滤
  • 只取 top 相关节点（度、权重、向量初筛）

4. 典型实现与代码示例

Graph RAG 同样分 Part A 建图 ingest 与 Part B Agent 调用。实现在 mcp/mcp_rag_methods/graph/，Method KB Agent 消费 query_graph MCP tool。

4.1 Part A：MethodGraphStore 建图

1
2
3
4
5
6
7
8
9
10
11
12
# mcp/mcp_rag_methods/graph/store.py（节选）
class MethodGraphStore:
    def ingest_method_doc(self, domain, source_path, *, doc_id="") -> dict:
        # graph.json 节点字段：
        #   id    — query_graph 命中与 citation 的 node_id
        #   type  — Domain / Concept 等，写入 context header
        #   label — 段落首行摘要，参与 score_nodes 词项匹配
        #   text  — 完整段落，供 LLM grounded 生成
        # 边：from/to/type — expand_subgraph BFS 扩展子图
        graph["nodes"].append({"id": nid, "type": "Concept", "label": ..., "text": para})
        graph["edges"].append({"from": root_id, "to": nid, "type": "CONTAINS"})
        self._save_graph(domain, graph)

4.2 Part B：子图检索 + citation

1
2
3
4
5
6
7
# mcp/mcp_rag_methods/graph/query.py → query_graph 返回
# citations[] 字段：
#   node_id     — Skill 要求回答中标注
#   type/label  — build_graph_context header
#   text        — 证据正文
#   paths       — 可选关系路径，多跳问答审计
# context       — 带 [编号] 的图证据块，注入 AgentRuntime 消息栈

MCP 暴露为 query_graph(domain, question, top_k)；Method KB Agent Skill 要求标注 node_id。

4.3 工程验收

1
2
3
4
5
6
7
# Part A
uv run python -m agent.method_kb.cli ingest-samples --domain sirna_methods
uv run python -m agent.method_kb.cli smoke-query sirna_methods "转录本选择策略？"

# Part B
uv run python -m agent.method_kb.cli chat --mock-llm \
  "siRNA 转录本选择策略？请 query_graph sirna_methods 并标注 node_id。"

与 Hybrid RAG 分工

知识类型 存储 Agent 典型问题
基因文献 kb_gene literature 「BRCA1 哪条 siRNA 效果好？」
公共方法 kb_methods method_kb 「转录本选择策略有哪些？」

大规模可迁移 Neo4j（NEO4J_URI 占位）；Cypher 建图见原文 3.1 三元组示例。

5. 替代方案与优缺点

方案 优点 缺点
Neo4j 生态成熟、Cypher 友好 需运维（可 Docker）
Kuzu 嵌入式、单机快 分布式弱
NetworkX 内存图 原型快 无持久化查询语言
三元组存 SQL + JOIN 团队熟悉 SQL 多跳查询繁琐
Microsoft GraphRAG 社区摘要 全局问答强 构建重、成本高
仅向量 + 元数据过滤 简单 关系弱

6. 自检题

  1. 什么类型的问题更适合 Graph RAG 而非 Hybrid RAG？
  2. 为什么入库需要 HITL 或 staging？
  3. 2-hop 与 3-hop 扩展各适合什么规模？

7. 延伸阅读

-------------本文结束感谢您的阅读-------------