企业官网建设流程全解析

如何追溯RAG答案的每一步来源：EdgeQuake知识图谱谱系与引用追踪完整指南

【免费下载链接】edgequakeEdegQuake 🌋 High-performance GraphRAG inspired from LightRag written in Rust; Transform documents into intelligent knowledge graphs for superior retrieval and generation项目地址: https://gitcode.com/gh_mirrors/ed/edgequake

EdgeQuake 是一个用 Rust 编写的高性能 GraphRAG 框架，它把文档转换成智能知识图谱，用于更优的检索与生成。与"只给一段答案"的传统 RAG 不同，EdgeQuake 内置完整的**谱系追踪（Lineage Tracking）**系统：每一条答案背后的实体、关系、文本块，都可以一步步回溯到源文档、源文件甚至具体的行号，让引用追踪（Citation Tracing）真正可审计、可复现。本文是一份面向新手的完整指南，教你读懂这条"从 PDF 到答案"的来源链条，并掌握 3 种最实用的溯源方法。

为什么 RAG 答案需要"来源追溯"？

想象你问系统："Sarah Chen 的研究方向是什么？"模型回答后，你最关心的往往不是答案本身，而是：

• 📄 这句话来自哪份文档？
• 🔍 具体在文档的哪个位置？
• 🤖 提取这个实体时，用的是哪个 LLM 模型？

普通 RAG 框架经常在这里"失守"：答案里的页码、文档名可能是模型"编"出来的，点进去也打不开正确的页面。EdgeQuake 的做法是：在数据入库时就为每一层知识打上来源标记，答案里的每个引用都能验证，而不是事后猜。

谱系追踪的原理：一条五层来源链

EdgeQuake 在摄入文档时，会把整条链路逐级记录。核心结构如下（详细定义见 lineage-tracking.md）：

整条链的不变式很严格：每个 chunk 必须能指回父文档，每个实体必须至少引用一个来源 chunk——这正是"每个答案都能追溯"的底层保证。

这些结构体在源码中都有清晰定义，例如 chunk 上的行号字段（start_line/end_line）与模型字段：

• 文档类型定义：document.rs
• 文本块类型定义：chunk.rs
• 谱系数据结构DocumentLineage：lineage.rs

实战一：从一个实体反向追到源文档

这是最常见的场景：你在知识图谱里看到一个实体（比如QUANTUM_COMPUTING），想知道它到底出现在哪些文档里。

步骤 1：调用实体溯源端点。只需一条请求，就能拿到该实体所有来源文档与 chunk：

curl http://localhost:8080/api/v1/entities/QUANTUM_COMPUTING/provenance \ -H "X-Workspace-ID: default" | jq

返回结果会告诉你：这个实体被提取了几次、来自哪些文档、每个文档里的哪些 chunk（附行号），以及与之相关的其他实体。

步骤 2：钻进具体 chunk 看原文。拿到chunk_id后查询 chunk 详情，即可看到原始文本、字符范围和其中提取出的全部实体与关系。

步骤 3：一次调用拿全链路。chunk 的 lineage 端点会一次性返回父文档信息、行号区间、使用的 LLM/Embedding 模型、实体清单——单次请求，完整链条，无 N+1 查询（典型文档 P95 延迟 < 200ms）。

完整的分步教程（含 curl / Python / TypeScript / Rust 四种方式）见官方示例：tracing-entity-sources.md。

实战二：从文档正向看"它贡献了哪些知识"

反过来，你上传了一份 PDF，想知道系统从中提取了什么。调用文档谱系端点：

curl http://localhost:8080/api/v1/documents/{document_id}/lineage | jq

一次返回完整的谱系树：全部 chunk（含行号、Token 数、内容预览）+ 全部实体（含类型和来源 chunk 列表）。配套的metadata端点则返回扁平的元数据：文件哈希、页数、处理模型等，方便做审计比对。

实战三：在 WebUI 里点点鼠标完成溯源

不想敲命令？EdgeQuake 的 Web 界面把谱系能力做成了可视化面板：

1. 文档页侧边栏（Metadata Sidebar）：打开任意文档，右侧面板有三块——扩展元数据（全部 KV 字段）、数据层级树（Document → Chunks → Entities，可折叠展开）、来源信息（类型、页数、校验和、文件大小）。
2. 谱系浏览器（Lineage Explorer）：选择文档后，可以浏览实体图谱并对每个实体点击查看其来源 provenance。
3. 知识图谱页：点击任意实体节点，直接记下实体名，就能去调溯源接口。

谱系能力如何支撑"可信引用"

EdgeQuake 的查询引擎支持 6 种模式（naive/local/global/hybrid/mix/bypass，默认mix）。无论哪种模式，检索到的 chunk 都携带着上文那条来源链——答案中的每个引用条目，都可以经由实体 → chunk → 行号 → 文档 → 源 PDF一路验证。

对于带图表的 PDF，谱系还覆盖了多模态资产：视觉转换生成的页面截图会以assets/page-0001.png的形式挂载到文档上，chunk 中引用的图片同样能通过pdf_id+ 资产路径回溯到具体 PDF 页。

常见应用场景速查

典型落地场景：合规审计（回答必须可举证）、质量对比（同一文档换模型提取后 diff 实体差异）、故障定位（管道哪一步出错一目了然）、多文档冲突排查（同一事实在多份文档中的不同表述）。

总结

EdgeQuake 的谱系与引用追踪体系可以概括为一句话：知识图谱里的每个节点都记得自己从哪里来。五层来源链（PDF → Document → Chunk → Entity → Relationship）在摄入时自动打标，配合 provenance / lineage / metadata 三组 API 和 WebUI 可视化面板，让你既能正向审查"文档变成了什么"，也能反向验证"答案来自哪里"——这正是把 RAG 从"黑盒问答"升级为"可审计知识系统"的关键一步。

📚 延伸阅读：

• 谱系架构设计：docs/architecture/lineage-tracking.md
• 谱系 API 完整参考：docs/api-reference/lineage-endpoints.md
• 实体溯源分步教程：docs/tutorials/tracing-entity-sources.md

【免费下载链接】edgequakeEdegQuake 🌋 High-performance GraphRAG inspired from LightRag written in Rust; Transform documents into intelligent knowledge graphs for superior retrieval and generation项目地址: https://gitcode.com/gh_mirrors/ed/edgequake