AI 知识系统
GraphRAG 知识探索工作台
将文档解析、实体关系、向量检索和可视化问答组织在同一套 GraphRAG 工作台中。
- 项目范围
- 全栈 GraphRAG 工作台
- 当前状态
- 已完成
- 我的角色
- 独立开发者
技术栈
- React
- FastAPI
- LangGraph
- NetworkX
- Chroma
- D3.js
项目解决什么
GraphRAGAgent 是一个面向本地资料的知识探索工作台。它先把文档整理成可追踪的页面，再自动抽取实体和关系，让用户可以在图谱、关系路径、局部子图与带来源的问答之间连续探索，而不必只从一段文本开始检索。
核心功能
- 上传文档并跟踪索引进度
- 浏览实体关系图与节点详情
- 按名称和类型搜索实体
- 查询两个实体之间的关系路径
- 搜索关键词相关的局部子图
- 保存多轮问答并从引用节点返回图谱
使用流程
- 上传文档并整理页面
- 抽取实体并建立索引
- 浏览图谱并查询关系
- 发起问答并回到引用节点
工作台先组装上传文档的页面内容，再由 LangExtract 抽取实体和关系；索引流程把结果合并进全局 NetworkX 图谱，同时写入 Chroma 向量索引。用户随后在 D3 图谱中浏览节点、查询关系或局部子图，再通过问答工具补充原文语义并查看引用。
项目亮点
从文档自动建立可探索图谱
仓库的页面组装先把上传文档整理成可处理内容，LangExtract 再抽取实体与关系；索引阶段把各页结果合并到全局 NetworkX 图谱，并同步写入 Chroma 向量索引。这样一次上传会留下可从页面走向实体、关系和语义检索的探索入口。
让关系检索与原文语义共同回答
QA 工具围绕问题提供实体、邻居、路径和向量检索：先定位相关实体，再按邻居与关系路径补足结构上下文，并用向量检索补充原文语义。回答因此不只依赖单一文本片段，而是把关系上下文与来源语义一起组织出来。
在图谱探索与多轮问答之间连续切换
D3 探索、Ask AI 与聊天中的引用实体使用同一批节点，用户可以从图谱节点打开问答，再从引用节点返回图谱继续查看邻居和路径。多轮会话保留这条切换路径，让图谱探索和聊天不是两条分离的入口。
系统架构
React 工作台通过 FastAPI 接收文档、图谱浏览和问答请求。索引流水线把资料整理为 NetworkX 图谱和 Chroma 向量索引，QA Agent 再把两类检索结果组织成回答与图谱输出。
项目边界
这是一个结合图谱构建、关系检索和多轮问答的本地文档知识探索工作台。它不提供多用户协作、租户隔离或企业知识治理。