知识图谱
MimirQ 内置完整的知识图谱（KG）管线，从文档中抽取实体与关系，构建结构化知识网络，在 RAG 检索时提供图谱增强召回。
KG 管线架构
数据模型
KG 使用 PostgreSQL 存储，核心表结构：
| 模型 | 表名 | 说明 |
|---|---|---|
KgEntity | kg_entities | 实体（name, type, description, vector） |
KgSourceEvent | kg_source_events | 事件/事实（从 chunk 中抽取） |
KgEventEntity | kg_event_entities | 事件-实体关联（角色标注） |
KgRelation | — | 实体间关系（隐含于 Event-Entity 连接） |
每个实体包含 normalized_name 用于去重与别名合并，vector 字段存储 embedding 向量供语义召回使用。
多租户隔离
所有 KG 表均包含 tenant_id 列并建有索引，确保租户间数据完全隔离。
抽取管线
抽取由 app/rag/kg/extraction/ 下的模块完成：
| 模块 | 职责 |
|---|---|
extractor.py | LLM 驱动的实体/关系抽取 |
gliner_extractor.py | GLiNER 模型轻量抽取 |
hybrid_extractor.py | LLM + GLiNER 混合策略 |
entity_verifier.py | 实体验证与去重 |
relation_processor.py | 关系后处理 |
alias.py | 别名归一化 |
抽取完成后，loading/processor.py 负责将结果批量写入数据库。
KG 增强 RAG
查询模式分类
classify_kg_query_mode() 自动判断问题是否需要 KG 辅助，避免对简单问题引入不必要的图谱查询延迟。
质量保障
app/rag/kg/quality/ 提供两个质量模块：
- KG Completeness Scorer — 评估图谱覆盖率
- KG Denoiser — 去除低质量实体和噪声关系
配置参数
| 参数 | 默认值 | 说明 |
|---|---|---|
KG_ENABLED | false | 全局开关 |
KG_EXTRACTION_BACKEND | llm | 抽取后端（llm / gliner / hybrid） |
KG_SEARCH_CACHE_TTL | 300 | 搜索缓存 TTL（秒） |
KG_EXPAND_HOPS | 1 | 子图扩展跳数 |
KG_RECALL_TOP_K | 10 | 召回实体数量 |
API 端点
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /api/v1/kg/entities | 实体列表 |
| GET | /api/v1/kg/entities/{id} | 实体详情 |
| POST | /api/v1/kg/search | 图谱搜索 |
| POST | /api/v1/kg/extract | 触发抽取任务 |
关键源码
| 文件 | 职责 |
|---|---|
app/rag/kg/pipeline.py | KG Facade 入口 |
app/rag/kg/engine/ | KGEngine 核心 |
app/rag/kg/search/searcher.py | 图谱搜索主逻辑 |
app/rag/kg/search/ranking/ | PageRank + RRF 排序 |
app/rag/kg/models.py | SQLAlchemy 数据模型 |