知识图谱增强大模型架构：原理、落地与趋势全解析

# 知识图谱增强LLM推理的简化示例
from kg_retriever import KnowledgeGraphRetriever
from llm import LLM

# 初始化组件
kg = KnowledgeGraphRetriever(uri="bolt://localhost:7687", database="medical_kg")
llm = LLM(model="Qwen2-72B-Instruct")

def kg_enhanced_generation(query: str) -> str:
    # 第一步：从查询中提取实体，去图谱检索关联知识
    entities = llm.extract_entities(query)
    kg_context = kg.search(entities, max_hops=2)
    
    # 第二步：把图谱知识作为上下文注入LLM生成提示
    prompt = f"""你是一个专业的医疗问答助手，请仅根据以下知识图谱提供的知识回答问题，不要编造信息。
    知识图谱内容：{kg_context}
    用户问题：{query}
    请回答，并在末尾标注用到的知识图谱三元组来源。"""
    
    # 第三步：生成答案，同时校验输出是否符合图谱约束
    response = llm.generate(prompt)
    # 校验输出中的实体是否都在图谱中存在，避免幻觉
    if not kg.validate_response_entities(response):
        response += "\n[注意：部分信息未在知识库中验证，请谨慎参考]"
    return response

# 输入示例
input_query = "高血压患者能不能吃布洛芬？"
# 输出说明：模型会先检索图谱中高血压、布洛芬的关联关系，找到禁忌相关三元组，生成带溯源的答案，若输出涉及未验证的实体会追加提示

# KG增强RAG的核心流程示例
from kg_retriever import KGRetriever
from llm import LLMClient

def kg_enhanced_rag(user_query: str, kg_path: str):
    # 1. 初始化KG检索器和LLM客户端
    kg_retriever = KGRetriever(kg_path)
    llm = LLMClient(model="qwen-72b")
    
    # 2. 从KG中检索与query关联的三元组
    related_triples = kg_retriever.search(
        query=user_query,
        top_k=5,
        filter_path_length=2  # 最多检索2跳关联的三元组
    )
    
    # 3. 拼接检索结果和原始query作为prompt
    prompt = f"""你是一个专业问答助手，请根据以下知识图谱检索到的关联信息回答问题，如果检索结果中没有相关信息请直接回答不知道。
    检索到的关联知识：{related_triples}
    用户问题：{user_query}
    回答："""
    
    # 4. 调用LLM生成回答
    response = llm.generate(prompt)
    return response

# 输入示例
input_query = "治疗高血压的医保甲类药有哪些？"
output = kg_enhanced_rag(input_query, kg_path="medical_kg.db")
# 输出说明：返回的回答会包含对应的药品名称、医保分类，以及对应的医保政策来源，不会出现无依据的药品推荐

# 示例：基于TransE的知识图谱嵌入训练代码片段
import torch
import torch.nn as nn

class TransE(nn.Module):
    def __init__(self, num_entities, num_relations, embedding_dim):
        super().__init__()
        self.ent_emb = nn.Embedding(num_entities, embedding_dim)
        self.rel_emb = nn.Embedding(num_relations, embedding_dim)
    def forward(self, head, relation, tail):
        # 输入示例：实体ID [0, 1, 2] 对应（张三，是，程序员）三元组，关系ID为1
        head_emb = self.ent_emb(head)
        rel_emb = self.rel_emb(relation)
        tail_emb = self.ent_emb(tail)
        # 计算三元组得分：头实体+关系-尾实体的L1距离
        score = torch.norm(head_emb + rel_emb - tail_emb, p=1, dim=1)
        return score
# 输出说明：score值越小，代表该三元组越符合知识图谱的固有逻辑，训练时我们会拉高正样本得分、压低负样本得分

# KG增强LLM问答的伪代码示例
# 输入示例：用户提问 "2023年华为Mate60系列的核心芯片供应商有哪些？"
def kg_enhanced_qa(user_query):
    # 步骤1：实体链接，将用户query中的实体映射到KG中的对应节点
    entities = kg_entity_linker.link(user_query)  # 返回实体列表：["华为", "Mate60系列", "芯片供应商"]
    # 步骤2：KG关系查询，检索关联知识
    kg_context = kg_query(entities, relation="供应商")  # 返回结构化知识：华为Mate60系列核心芯片供应商包括海思半导体、中芯国际等
    # 步骤3：将KG检索到的知识作为上下文，输入LLM生成回答
    prompt = f"请根据以下已知信息回答问题，不要编造内容：\n已知信息：{kg_context}\n问题：{user_query}"
    answer = llm.generate(prompt)
    return answer

# 输出说明：最终返回的回答为"2023年华为Mate60系列的核心芯片供应商包括海思半导体、中芯国际等，相关信息可溯源至华为官方供应链披露数据"，无幻觉内容，且可提供溯源路径

# 知识图谱检索优化示例：向量召回+置信度过滤
from vector_store import FaissVectorStore
from kg_aligner import SemanticAligner

# 初始化检索和对齐模块
vector_store = FaissVectorStore(kg_embedding_path="kg_embeddings.faiss")
aligner = SemanticAligner(model_path="aligner_model.bin")

def kg_retrieve(query_text: str, top_k: int = 5):
    # 第一步：向量召回候选三元组
    candidates = vector_store.search(query_text, top_k=top_k*2)
    # 第二步：语义对齐过滤低置信度结果
    aligned_results = []
    for triple in candidates:
        score = aligner.align_score(query_text, triple)
        if score >= 0.8:  # 置信度阈值可调
            aligned_results.append(triple)
    return aligned_results[:top_k]

# 输入示例
input_query = "2型糖尿病患者服用二甲双胍的禁忌症有哪些"
# 输出说明：返回符合语义对齐的高置信度三元组列表
# 示例输出：[('2型糖尿病', '常用治疗药物', '二甲双胍'), ('二甲双胍', '禁忌症', '严重肾功能不全'), ('二甲双胍', '禁忌症', '代谢性酸中毒')]

# 输入示例：实时获取的金融领域新事件文本
new_event_text = "2024年10月，华为发布首款搭载鸿蒙NEXT系统的智能手机Mate70，起售价5499元"
# 调用KG增量更新流水线接口
updated_kg_subgraph, injection_prompt = kg_realtime_update_pipeline(
    event_text=new_event_text,
    existing_kg_path="./domain_finance_kg.ttl",
    llm_client=huawei_llm_client,
    update_latency_threshold=200
)
# 输出说明：
# 1. updated_kg_subgraph为新增的3个实体（华为、Mate70、鸿蒙NEXT）和2条关系（华为发布Mate70、Mate70搭载鸿蒙NEXT）组成的子图，自动完成与现有KG的实体对齐
# 2. injection_prompt为可直接注入大模型上下文的结构化知识片段，格式为标准化三元组列表，可直接用于后续问答推理