GraphRAG 智能问答系统

这是一款基于图数据库和向量检索的智能问答系统，支持文档管理和智能对话功能。系统使用 Neo4j 作为图数据库，Streamlit 作为前端框架，结合大语言模型实现基于知识图谱的智能问答。

功能特点

文档管理

• 文档上传：支持上传 txt、md 格式的文本文档
• 文档分块：自定义分隔符和块大小，智能分割文档
• 文档检索：按标题搜索文档，支持分页查看
• 文档操作：查看、下载和删除文档
• 元数据查看：显示文档标题、上传时间、大小、摘要等信息

智能对话

• 基于图谱的问答：结合文档内容和知识图谱，提供智能问答功能
• 知识图谱可视化：可视化展示与问题相关的知识图谱，支持放大、缩小、拖拽等交互操作
• 实体识别：自动从文档中提取实体，构建知识图谱
• 向量检索：使用 BGE M3 向量模型进行高效语义检索

技术栈

• 开发语言：Python 3.10
• 前端框架：Streamlit
• 智能体框架：LangChain
• 数据库：Neo4j 5.27.0
• 大模型调用：兼容 OpenAI 的 API 接口
• 向量模型：BGE M3，基于 Ollama 的 API

目录结构

.
├── app.py                     # 应用入口
├── pages                      # 页面文件
│   ├── doc_manage.py          # 文档管理页面
│   └── chat.py                # 智能对话页面
├── services                   # 服务层
│   ├── doc_service.py         # 文档处理服务
│   └── rag_service.py         # RAG问答服务
├── utils                      # 工具类
│   ├── neo4j_utils.py         # Neo4j数据库工具类
│   ├── llm_utils.py           # 大模型工具类
│   └── txt_utils.py           # 文本处理工具类
├── uploads                    # 上传文件存储目录
├── prompts.py                 # 提示词模板
├── .env                       # 环境变量配置
├── requirements.txt           # 项目依赖
└── README.md                  # 项目说明

运行方法

1. 环境准备

确保安装了 Python 3.10，并启动了 Neo4j 数据库和 Ollama 服务。

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

编辑.env文件，设置以下配置：

• Neo4j 数据库连接信息
• 大模型 API 密钥和基础 URL
• 向量模型配置

4. 启动应用

streamlit run app.py

5. 访问应用

打开浏览器访问：http://localhost:8501

使用流程

1. 文档管理：

   • 上传文档：选择 txt 或 md 格式的文件，设置分块参数，点击上传
   • 查看文档：在文档列表中查看已上传的文档信息和内容
   • 下载/删除：对已上传的文档进行下载或删除操作

2. 智能对话：

   • 输入问题：在对话框中输入要咨询的问题
   • 获取回答：系统自动检索相关文档块并生成回答
   • 查看知识图谱：如果问题与知识图谱相关，可以查看并交互式操作知识图谱

注意事项

• 首次使用前需要先上传一些文档，以便系统可以回答相关问题
• 确保 Neo4j 数据库和 Ollama 服务正常运行
• 大文件处理可能需要较长时间，请耐心等待
• 实体识别和知识图谱构建基于大模型，效果受模型质量影响

产品截图

基于知识图谱的问答

文档管理