语析（Yuxi-Know）：基于知识图谱的智能问答平台

综合介绍

Yuxi-Know 是一个开源的智能问答平台，结合知识图谱和 RAG（检索增强生成）技术，帮助用户快速获取精准答案。它基于 Neo4j 存储知识图谱，使用 FastAPI 和 VueJS 构建后端和前端，支持多种大模型，如 OpenAI、DeepSeek、豆包等。系统集成了 Milvus 向量数据库，支持 PDF、TXT 等多种格式的知识库文件。Yuxi-Know 提供联网检索、DeepSeek-R1 推理模型和工具调用功能，适合开发者构建知识管理或智能客服系统。项目在 GitHub 上开源，易于部署和扩展。

功能列表

• 支持多种大模型调用，包括 OpenAI、DeepSeek、豆包、智谱清言等。
• 提供知识图谱查询，基于 Neo4j 存储结构化数据。
• 支持 RAG 技术，结合知识库和联网检索生成准确答案。
• 集成 DeepSeek-R1 推理模型，处理复杂逻辑问题。
• 提供工具调用功能，通过 API 执行外部任务。
• 支持多种文件格式（PDF、TXT、MD、Docx）构建知识库。
• 使用 Milvus 向量数据库，存储和检索文档向量。
• 提供网页界面，基于 VueJS，操作简单直观。
• 支持本地模型部署，通过 vLLM 或 Ollama 提供 API 服务。
• 允许用户自定义模型和向量模型配置，适配不同需求。

使用帮助

安装流程

Yuxi-Know 使用 Docker 部署，简化安装流程。以下是详细步骤：

1. 准备环境
   确保安装了 Docker 和 Docker Compose。推荐使用 Linux 或 macOS 系统，Windows 用户需启用 WSL2。检查 Docker 是否正常运行：

   docker --version
   

   确保 Git 已安装，用于克隆代码。

2. 克隆项目
   在终端运行以下命令，克隆 Yuxi-Know 代码库：

   git clone https://github.com/xerrors/Yuxi-Know.git
   

   进入项目目录：

   cd Yuxi-Know
   

3. 配置环境变量
   Yuxi-Know 需要配置 API 密钥和模型参数。复制模板文件：

   cp src/.env.template src/.env
   

   使用文本编辑器打开 src/.env，填入必要的密钥。例如：

   SILICONFLOW_API_KEY=sk-你的密钥
   DEEPSEEK_API_KEY=你的密钥
   TAVILY_API_KEY=你的密钥
   

   如果使用其他模型（如 OpenAI、豆包），添加对应密钥：

   OPENAI_API_KEY=你的密钥
   ARK_API_KEY=你的密钥
   

   默认使用 SiliconFlow 服务，必须配置 SILICONFLOW_API_KEY。若使用本地模型，需配置模型路径：

   MODEL_DIR=/path/to/your/models
   

4. 启动服务
   在项目根目录运行以下命令，启动所有服务：

   docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build
   

   这会启动 Neo4j、Milvus、FastAPI 后端和 VueJS 前端。首次启动可能需要几分钟。成功后，终端会显示：

   [+] Running 7/7
   ✔ Network docker_app-network       Created
   ✔ Container graph-dev              Started
   ✔ Container milvus-etcd-dev        Started
   ✔ Container milvus-minio-dev       Started
   ✔ Container milvus-standalone-dev  Started
   ✔ Container api-dev                Started
   ✔ Container web-dev                Started
   

   若需后台运行，添加 -d 参数：

   docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build -d
   

5. 访问系统
   打开浏览器，访问 http://localhost:5173/，即可进入 Yuxi-Know 界面。如果无法访问，检查 Docker 容器状态：

   docker ps
   

   确保所有容器都在运行。若端口冲突，可修改 docker-compose.dev.yml 中的端口配置。

6. 关闭服务
   停止服务并删除容器：

   docker compose -f docker/docker-compose.dev.yml --env-file src/.env down
   

使用主要功能

Yuxi-Know 提供知识图谱查询、知识库检索、联网检索和工具调用功能。以下是详细操作方法：

1. 知识图谱查询
   Yuxi-Know 使用 Neo4j 存储知识图谱，适合查询结构化数据。例如，查询“北京的首都是什么？”系统会从知识图谱中提取答案。
   • 导入知识图谱：准备 JSONL 格式文件，每行包含头节点、尾节点和关系，例如：

     {"h": "北京", "t": "中国", "r": "首都"}
     

     在界面导航到“图谱管理”，上传 JSONL 文件。系统会自动加载到 Neo4j。

   • 访问 Neo4j：启动后，可通过 http://localhost:7474/ 访问 Neo4j 面板，默认账户为 neo4j，密码为 0123456789。
   • 注意：节点需包含 Entity 标签，否则无法触发索引。
2. 知识库检索
   系统支持上传 PDF、TXT、MD、Docx 文件，自动转为向量存储到 Milvus 数据库。操作步骤：
   • 在界面导航到“知识库管理”，点击“上传文件”。
   • 选择文件，系统会将内容转为纯文本，使用向量模型（如 BAAI/bge-m3）生成向量并存储。
   • 查询时，输入问题，如：“文档中提到的人工智能趋势是什么？” 系统会检索相关内容并生成答案。
   • 提示：大文件处理可能较慢，建议分段上传。
3. 联网检索
   当本地知识库无法回答时，系统会启用联网检索。确保配置了 TAVILY_API_KEY。操作方法：
   • 在界面输入问题，如：“2025 年最新的 AI 技术是什么？”
   • 系统通过 Tavily API 抓取网络信息，结合大模型生成答案。
   • 结果会显示来源链接，便于验证信息。
4. 工具调用
   Yuxi-Know 支持通过 API 调用外部工具，例如查询天气或执行脚本。操作步骤：
   • 在 src/static/models.yaml 中添加工具配置：

     tools:
     - name: weather
     url: https://api.weather.com/v3
     api_key: 你的密钥
     

   • 在界面输入：“上海今天的天气如何？” 系统会调用工具并返回结果。

特色功能操作

1. DeepSeek-R1 推理模型
   DeepSeek-R1 是 Yuxi-Know 的亮点，适合复杂推理任务。操作方法：
   • 确保 DEEPSEEK_API_KEY 或 SILICONFLOW_API_KEY 已配置。
   • 在界面模型选择中切换到 deepseek-r1-250120。
   • 输入问题，如：“一个苹果比橙子贵 2 元，三个苹果和两个橙子总价 16 元，橙子多少钱？” 系统会推理并回答：“橙子 2 元。”
   • 优势：能处理多步骤逻辑问题，答案更可靠。
2. 多模型支持
   系统支持切换多种模型，适配不同场景。操作方法：
   • 在界面右上角下拉菜单选择模型，如 Qwen2.5-7B-Instruct（SiliconFlow）、gpt-4o（OpenAI）或 doubao-1-5-pro（豆包）。
   • 每种模型有不同优势，例如豆包适合中文语义理解，OpenAI 适合复杂任务。
   • 添加新模型：编辑 src/static/models.yaml，添加供应商配置，例如：

     zhipu:
     name: 智谱清言
     url: https://api.zhipuai.com/v1
     default: glm-4-flash
     env:
     - ZHIPUAI_API_KEY
     

     重启服务后，新模型即可使用。

3. 本地模型部署
   若需使用本地模型（如 LLaMA），可通过 vLLM 或 Ollama 部署。操作步骤：
   • 启动 vLLM 服务：

     vllm serve /path/to/model --host 0.0.0.0 --port 8000
     

   • 在界面“设置”中添加本地模型，输入 URL（如 http://localhost:8000/v1）。
   • 保存后，系统会优先使用本地模型，适合无网络环境。
4. 向量模型配置
   默认使用 BAAI/bge-m3 生成向量。若需更换，编辑 src/static/models.yaml：

   local/nomic-embed-text:
   name: nomic-embed-text
   dimension: 768
   

   本地模型会自动下载，若下载失败，可通过 HF-Mirror 镜像站获取。

注意事项

• 网络要求：联网检索和模型调用需稳定网络，建议检查 .env 文件中的密钥。
• Neo4j 配置：若已有 Neo4j 服务，可修改 docker-compose.yml 中的 NEO4J_URI，避免重复部署。
• 镜像下载：若 Docker 镜像拉取失败，可使用 DaoCloud 镜像站：

  docker pull m.daocloud.io/docker.io/library/neo4j:latest
  docker tag m.daocloud.io/docker.io/library/neo4j:latest neo4j:latest
  

• 日志查看：若服务异常，查看容器日志：

  docker logs api-dev
  

应用场景

1. 企业知识管理
   企业可将内部文档（如操作手册、技术规范）上传至知识库，或整理成知识图谱。员工通过 Yuxi-Know 查询问题，如“如何配置服务器？” 系统快速返回答案，减少培训时间。
2. 学术研究支持
   研究者可上传论文或整理学科知识图谱。例如，构建化学分子关系图谱，查询“碳原子的化学键有哪些？” 系统结合图谱和文档返回详细答案，还能联网补充最新研究。
3. 智能客服系统
   商家可将产品信息和常见问题录入系统。客户提问“如何退货？”时，Yuxi-Know 从知识库提取答案，或联网查询最新政策，提供准确回复。

QA

1. 如何上传知识库文件？
   在界面导航到“知识库管理”，点击“上传”，选择 PDF、TXT、MD 或 Docx 文件。系统会自动处理并存储到 Milvus 数据库。
2. 联网检索需要哪些配置？
   需在 .env 文件中配置 TAVILY_API_KEY。若无密钥，可通过 SiliconFlow 或 Tavily 官网注册获取。
3. 如何调试本地模型？
   确保 vLLM 或 Ollama 服务监听 0.0.0.0，并在界面“设置”中添加正确 URL。启动后，通过 docker logs api-dev 检查连接状态。
4. 知识图谱导入失败怎么办？
   检查 JSONL 文件格式，确保每行包含 h、t、r 字段。上传后，重启 Neo4j 服务并确认节点包含 Entity 标签。