1 背景：传统 KGC 的三座大山
随着大模型（LLM）能力的不断增强，知识图谱（KG） 作为结构化知识的核心载体，重新成为研究热点。尤其是在GraphRAG、Pike-RAG等图谱增强生成框架的推动下，知识图谱在提升大模型推理能力、缓解幻觉问题方面展现出巨大潜力。
| 痛点 | 具体表现 |
|---|---|
| 实体消歧难 | 同一缩写、别名、指代在跨段落时极易混淆，人工规则维护成本爆炸。 |
| 模式僵化 | 先定义 schema 再抽取，无法随文档主题动态扩展，领域迁移=重写规则。 |
| 跨文档信息遗忘 | 长文本直接塞 LLM，中间段落被“遗忘”，导致关系缺失或张冠李戴。 |
2 结论：95.91 % 准确率，6.2 个点的碾压式提升
提出 **RAKG（Retrieval-Augmented Knowledge Graph Construction）**框架，首次将 RAG 的评估机制 引入知识图谱构建过程，实现文档级、自动化的知识图谱构建与评估。
图1 直观展示了 RAG 范式反打到 KGC（知识图谱构建） 后的整体流程，把“检索-生成”思路反过来用在建图阶段。
图1 RAKG 框架总览
| 指标 | RAKG | GraphRAG | KGGen |
|---|---|---|---|
| Accuracy | 95.91 % | 89.71 % | 86.48 % |
| 实体密度 ED | 高 23 % | — | — |
| 关系丰富度 RR | 高 31 % | — | — |
| 实体覆盖率 EC | 0.8752 | 0.6438 | 0.6020 |
| 关系网络相似度 RNS | 0.7998 | 0.7278 | 0.6321 |
图2 的 105 篇文章得分分布显示，RAKG 几乎“全线右移”，没有低分尾巴。
3 方案：把 RAG“倒过来”建图的三板斧
3.1 预实体（Pre-Entity）：先抓“锚点”再检索
- 按句分块，NER 逐块抽取实体 → 生成Pre-Entity并缓存 chunk-id；
- 向量相似度初筛 + LLM 二次判别，完成实体消歧与合并；
- 用 Pre-Entity 当“query”，反向去召回它出现过的所有文本块与已有子图。
图6 案例：Butterfly 一生四个阶段，Pre-Entity 把“Butterfly Egg / Larva / Pupa / Adult”先锚定，再各自召回描述段落。
图6 案例研究：Butterfly 生命周期
3.2 双层检索：语料回溯 + 图结构回溯
| 检索源 | 作用 | 实现 |
|---|---|---|
| Corpus Retrospective | 补全实体局部上下文，缓解 LLM 长文本遗忘 | 用实体向量召回 top-k 句块 |
| Graph Structure | 保持与已有 KG 的拓扑一致，避免冲突 | 用实体向量召回已有节点及其一跳邻居 |
图4 把“LLM as Judge”流程画成一条质检流水线：生成→检索→比对→打分→过滤。
图4 LLM 作为裁判的质检流程
3.3 渐进式融合：子图 → 全局图
- 每个实体独立生成关系子图（节点+属性+边）；
- 子图之间按实体 ID 合并，冲突边交给 LLM 做“事实性”二次判断；
- 输出最终 KG，并同步更新向量索引，支持持续增量构建。
图5 显示，经过“LLM Judge”后，实体通过率 91.33 %，关系通过率 94.51 %，幻觉率被压到 5 % 以内。
图5 LLM Judge 通过率
4 一张表看懂 RAKG 的“增量”在哪
| 传统 KGC | RAKG 做法 | 收益 |
|---|---|---|
| 先定义 schema | 无 schema，先抽实体再动态长边 | 零成本跨领域 |
| 长文本一次性编码 | 用 Pre-Entity 当 query 分段检索 | 解决长文本遗忘 |
| 人工写消歧规则 | 向量初筛 + LLM 精判 | 规则零维护 |
| 无质检环节 | 引入 RAG 评估框架，LLM 当 Judge | 幻觉率 ↓ 90 % |
RAKG: Document-level Retrieval Augmented Knowledge Graph Construction https://arxiv.org/html/2504.09823https://github.com/LMMApplication/RAKG如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
