Weknora 知识图谱与混合检索 RAG 引擎

Weknora 知识图谱与混合检索 RAG 引擎

@weknora/knowledge-base·v1.5.0·storage

融合知识图谱(Knowledge Graph)与向量稠密检索的企业级混合 RAG 方案。支持长文本实体关系动态抽脂、多跳推理关联与多源异构文档分块,从根本上解决大模型问答幻觉。

知识图谱 · 混合RAG · 向量检索 · 实体抽取

GitHubNPM
快速安装与集成
bash
manager:
$ pnpm add @weknora/knowledge-base

架构解析

「Weknora」为智能体构建稳固可靠的企业知识中枢。传统的单向向量嵌入(Dense Embedding)检索容易割裂实体之间的全局因果关系,在处理“A 对 B 的影响如何间接导致了 C”等复杂跨文档推理时常常力不从心。 该插件在底层采用了双轨驱动模型:一方面利用向量相似度进行快速上下文定位,另一方面动态构建实体-关系拓扑图谱进行多跳关联漫游。无论面对数千页的工程规范还是海量业务工单,均能做到论据精准引用与上下文无缝拼接。

核心特性

01

图谱与向量混合检索:结合语义相似度与实体连接图,精准完成多跳逻辑推导

02

动态实体消歧与去重:自动化规范同义词与技术别名,防止知识库膨胀碎片化

03

精确到行号的原文引用:生成的每个论断均带有原始 Markdown 或代码行级锚点

04

增量更新与热插拔更新:支持单文档变更即时重建局部图谱,无需全库费时重训

核心机制

01

异构文档摄入

支持 Markdown、PDF、Word 及代码库文件解析,执行语义树智能切片。

02

图元关系抽取

自动识别专有名词、实体节点与跨文档的因果连接边,入库图引擎。

03

双轨混合召回

同时执行向量空间相似搜索与图谱多跳拓扑漫游,并执行倒数排序融合。

04

引用证据生成

将排序后的最佳证据片段注入上下文,输出带精确来源标注的回答。

配置参数参考 (YAML / JSON)

参数名类型默认值说明
retrievalModestringhybrid检索模式配置 (vector / graph / hybrid)
maxHopCountnumber2图谱多跳关联的最大遍历深度层数
topKnumber5最终注入上下文的最大证据段落数量