一、项目概述
项目名称：GraphRAG+知识图谱可视化——以《红楼梦》为测试文本
核心目标：利用知识图谱中的结构化关系信息，辅助模型更精准地理解查询意图，并在海量数据中找到最相关的信息进行生成。
🧠技术原理：Graph RAG 是传统 RAG 的扩展形式，通过引入知识图谱来增强信息检索和生成的质量。关键技术包括：
- 构建或使用已有知识图谱：将实体与实体之间的关系以图的形式表示
- 图检索（Graph-based Retrieval） ：根据用户问题，在知识图谱中查找相关实体和关系
- 图增强生成（Graph-enhanced Generation）：结合检索到的路径或子图信息生成更准确、连贯的回答
| 阶段 | 核心任务 |
|---|---|
| 环境配置 | One API 部署、Trae IDE 配置 |
| 项目搭建 | 创建 Graphrag 项目、安装依赖 |
| 数据准备 | 文本分块、存入 input 目录 |
| 图谱构建 | 实体识别、关系抽取、图谱存储 |
| 图谱可视化 | 图谱展示与交互 |
| 图谱优化 | 去重、合并、布局调整 |
二、环境搭建（下载One API，创建渠道和令牌）
2.1 One API 安装与部署
One API 是 OpenAI 接口的管理、分发系统，支持 Azure、Anthropic Claude、Google PaLM 2 & Gemini、智谱 ChatGLM、百度文心一言、讯飞星火认知、阿里通义千问、360 智脑以及腾讯混元等多种大模型接口。
主要包括3部分：
- 部署 One API 服务
- 创建渠道（配置各模型供应商的 API Key）
- 生成访问令牌（Token），供后续 GraphRAG 调用
具体操作步骤：
1、下载 One-api
https://github.com/songquanpeng/one-api/releases/tag/v0.6.10
如果觉得 github 下载太慢，已帮你下载好了
点击下载 👉 one-api.zip
2、双击运行 One-api，可以得出如下图所示效果：
3、复制链接 http://localhost:3000 ，在浏览器中打开One API
4、登录，输入账号和密码（上面看网址那个图上有）
5、点击“渠道” -->“添加新的渠道”
选择大模型，输入模型名称：
例如选择了“千问”，下面的名称是为了后期管理方便给自己看的，可以随意，但为了后期区分不同模型和项目使用情况，我使用了“模型（项目）”的形式：如下图
输入后，滑动鼠标到最下面，输入“密钥”
特别说明：每个大模型对应的密钥获取方式相同，只是网站不同，前期测试可以使用开放平台，效果可以再使用付费版本。
6、生成密钥
这里展示阿里云百炼（有免费额度）和智谱（无免费）两个平台的操作，如果只应用可以看阿里云百炼，免费情况如下图所示：
（1）阿里云百炼（有免费额度）
浏览器中，输入网址（尽量用电脑，别手机操作）：https://bailian.console.aliyun.com/，登录账号，点击页面上的“调用 CLI”。
点击网页左下角的“API Key”，进入API Key管理页面
点击右上角的“创建API Key”按钮
在弹出的“保存你的API Key”对话框中点击“复制”
再点击“关闭”，进入下一步（7）操作。
可以下载用于记录，方便其他平台使用，如果忘记点复制，直接关闭了对话框，只能重新建一个了。
（2）智谱AI开放平台（需付费），网址：https://open.bigmodel.cn/
如果不是和我一样，为了让大家看效果，可以跳过看下一步（7）。
注意：大模型的选择
点击右上角的“API Key”，进入API管理页面（如果没有登录会提示登录）
管理页面如下图所示，点击“新建API Key”
在弹出的对话框中输入名称后，点击确定
可以看到新创建的API信息在列表中显示，点击后面的“复制”按钮复制API Key
7、输入密钥
返回One API 窗口，在下面的“密钥”中，Ctrl + V 粘贴，点击“提交”
网站会提示“渠道创建成功”，点击“渠道”选项刷新页面，可以看到“渠道”页面多出一条信息：
8、渠道测试
点击“测试”，可以查看是否创建成功。如下图，阿里测试成功。
智谱测试效果如图，“余额不足”（新账号，未充值），不可用。
9、生成令牌
点击“令牌” --> “添加新的令牌” --> 选择渠道名–>增加额度值–>“提交”
点击“令牌”，查看生成的令牌，后期在项目中使用时，点击“复制”再粘贴到代码中即可。
2.2 Trae IDE 环境安装（已有）
Trae 是一款国产 AI 原生开发环境，免费且支持中文，能通过简单的目录配置快速实现 AI 全栈开发功能。在 Trae 中可进行以下配置：
- MCP Server 配置：Trae IDE 支持多种 MCP Server，其中 Memory MCP 本质上是一个知识图谱存储系统，用 JSONL 单文件存储，支持实体、关系、观察三种数据结构
- Python环境安装
安装TRAE IDE 、Python的具体操作**国内免费工具，零基础、基代码搭建单机版（本地）教材知识图谱，初尝试**
三、项目搭建（创建 Graphrag 项目、安装依赖）
3.1 创建 Graphrag 项目
在电脑上新建一个文件夹（项目根目录）。例如，我已有一个电子书的网页，现在完善电子书的知识图谱，在电子书ebook中，新建一个graph文件夹。
在TRAE IDE 中，打开项目文件夹
3.2 安装依赖（ Python 依赖）
在终端输入以下信息，回车
pip install neo4j langchain langchain-community langchain-openai pip install neo4j-graphrag pip install sentence-transformers pip install python-dotenv执行完成后，可以看到里面多了个文件夹，如下图所示：
3.3 Neo4j 数据库安装与连接
在TRAE的AI侧栏中，发送“帮我安装Neo4j”，根据提示进行操作。
安装 Neo4j Community Server（独立版），避免 GUI 问题。
配合TRAE AI的操作。运行‘同意。完成Neo4j安装：
在TRAE AI中，发送以下代码，配置 .env，启动Neo4J
具体代码可以复制：
NEO4J_URI=bolt://localhost:7687 NEO4J_USERNAME=neo4j NEO4J_PASSWORD=password123 OPENAI_API_KEY=sk-xxxx #这里输入之前生成的令牌码运行完成后，TRAE 项目目录中，多了一个.env的文件
结果提示：
打开浏览器访问 http://localhost:7474,
输入账号和密码（neo4j和password123），点击“Connect”，连接
出现介绍页面，如果想看看但英语不好的（比如我
四、数据准备与图谱构建
4.1 准备原始文本
- 准备文本文件（.txt 或 .md）
文本内容可以是自己和笔记或者网张口上下载的文本。
为了方便大家测试，我用《红楼梦》文本测试，点击下载reddream.txt
⚠️注意：文件名用英文，避免读取乱码而出错。
4.2 图谱构建
在TRAE 的AI侧栏中，输入：
帮我创建完整的 GraphRAG 代码，将《红楼梦》（reddream.txt）文本导入并构建知识图谱，然后测试问答功能
如果觉得不够细致，可以自己加入一些限定，如：
1、读入文件：reddream.txt 2、文本分块：将原始文档分割成适合分析的小段落（chunk_size=1000,chunk_overlap=200），每个 chunk 应保持语义聚焦。块之间保留重叠（overlap）以保持上下文 3、连接 Neo4j 4、抽取实体与关系：从文本块中抽取实体（人物、地点、事件等）及其之间的关系这里提示下，内容太长，Token消耗大，可以优化使用其中的一小章做测试。
我用的一本书，还没生成完，免费的Token就已经用完了。半成品效果图如下：
五、知识图谱优化 对构建完成的知识图谱进行优化处理，包括去除重复的节点和边、合并具有相同语义的节点、调整节点布局以提高图谱的可视化效果。 细节需要根据实际不断细节调整。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
