← 返回概念解读

Concept Fable精修版

知识图谱

Knowledge Graph · Knowledge representation

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

档案馆把名字之间的关系画出来

城里的档案馆以前按卷宗存资料。一本写商队,一本写码头,一本写税务,一本写桥梁。每本书都能查,但很多问题跨在书与书之间。

有天,市长问:‘去年东桥维修为什么影响南港税收?’抄录员找到了东桥维修记录,也找到了南港税收账册,却说不清两者怎么连起来。

有人提议把所有卷宗都背下来。馆长摇头。另一个人提议给每本书贴更多标签:东桥、南港、税收、维修、商队。标签多了以后,能找到相关书,却仍然看不清关系。

后来,一位老书记换了办法。他不再只登记卷宗,而是把城里的东西拆成一个个名字:东桥、南港、三月商队、临时绕行、桥梁维修令、税收下降。然后在名字之间画线:东桥维修导致商队绕行,商队绕行减少南港停靠,停靠减少影响税收。

起初大家觉得这很麻烦。老书记说:卷宗告诉你事情存在,关系告诉你事情为什么连在一起。

过了几天,市长又问:‘如果东桥明年再修,哪些码头和商户最可能受影响?’这次抄录员没有翻一堆书,而是沿着图上的线走,从东桥走到绕行路线,再走到商队、码头、商户和税目。

他们还发现,图上的某些线需要注明来源。有的来自条例,有的来自合同,有的只是一次历史事件。线的可信度不同,推理的分量也不同。

后来,档案馆不再只问‘哪本书提到这个词’,还会问‘这个实体和哪些实体有关、关系是什么、证据在哪里、能推到哪一步’。城里人这才明白:有些知识不是一段文字,而是一张由实体和关系构成的网。要回答复杂问题,必须能沿着这张网走。后来档案馆把图挂到前厅,商人们也能补充关系。老书记没有照单全收,每条新线都要写来源、时间和可信程度。因为一条错线会把许多推断带偏,比一本错放的书更危险。图越大,馆里越重视校验和更新;关系活着,答案才不会停在旧城的样子。

揭示

这个故事讲的是:知识图谱

知识图谱(Knowledge Graph)用实体、关系和属性来结构化表示知识。它把‘谁和谁有什么关系’显式建模,常用于实体查询、因果/依赖关系分析、合规溯源、推荐、Graph RAG 和复杂问答。与只靠文本 chunk 或向量相似度不同,知识图谱擅长处理多跳关系、结构化约束和可解释路径,但建设成本更高,需要实体抽取、关系抽取、schema/ontology 设计和持续维护。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 一本本卷宗:非结构化文档或普通知识库
  • 更多标签:关键词和分类能帮助查找,但不能表达关系结构
  • 东桥、南港、商队、税收:实体 nodes
  • 维修导致绕行、绕行影响停靠:关系 edges
  • 线的来源和可信度:关系证据、出处、置信度和治理要求
  • 沿着图上的线走:图查询、多跳推理和关系遍历
  • 哪些码头和商户受影响:知识图谱适合依赖链、影响分析和复杂问答
  • 实体和关系构成的网:Knowledge Graph 的核心表示方式

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

entitiesrelationshipsontologytriplesRDFgraph databaseGraph RAG