企业官网建设流程全解析

文章目录

• 系列文章目录
• 前言：为什么只做向量 RAG 不够用？
• 一、GraphRAG 的核心设计
• • 1.1 Schema 自检与自修复（Neo4jSchemaService）
  • 1.2 知识库入库（IngestService）
  • 1.3 实体词表（Neo4jEntityService + EntityCatalogService）
  • 1.4 实体链接（Neo4jVectorEntityLinker）
  • 1.5 融合检索问答（GraphRagService）
• 二、代码实践
• • 2.1 模型接入：Embedding + Chat（LangChain4jConfig）
  • 2.2 Neo4j Driver 与 RAG 参数（Neo4jConfig + RagProperties）
  • 2.3 GraphRAG 问答入口：/api/rag/ask（RagController）
  • 2.4 实体词表自增长：/api/entity/discover + /api/entity/upsert
  • 2.5 Dto
  • • 2.5.1 AskResponse
    • 2.5.2 ChunkRef
    • 2.5.3 DiscoverEntitiesResponse
    • 2.5.4 EntityInfo
  • 2.6 融合检索核心：GraphRagService（Vector + Graph + Fusion）
  • 2.5 启动初始化：Schema 自修复 + Seed + Ingest（GraphRagApplication）
• 三、配置与示例数据
• • 3.1 application.properties
  • 3.2 entities.json
  • 3.3 md文件数据
  • 3.4 Maven 依赖
  • 3.4 discover / upsert / ask 三连测试
  • • 3.4.1 discover：自动发现新术语（可选 autoUpsert）
    • 3.4.2 upsert：手动确认后写入 Neo4j 实体词表
    • 3.4.3 ask：走完整 GraphRAG（向量检索 + 图检索融合）
• 总结