1

Part 1 — Knowledge Graph 知識圖譜(一):核心概念、三元組與語意網路

從零理解知識圖譜:實體、關係、三元組、本體(Ontology),以及 RDF/OWL/SPARQL 語意網路標準。用具體範例與程式碼建立直覺。

·20 min aiengineering
2

Part 2 — Knowledge Graph 知識圖譜(二):從零建構 — NER、關係抽取與 Neo4j 實作

動手建知識圖譜:命名實體辨識(NER)、實體消歧、關係抽取的完整管線,並用 Python + spaCy + Neo4j + Cypher 把純文字變成可查詢的圖。

·23 min aiengineering
3

Part 3 — Knowledge Graph 知識圖譜(三):與關聯式 / 向量 / 文件資料庫的比較

知識圖譜 vs 關聯式資料庫 vs 向量資料庫 vs 文件資料庫:資料模型、查詢能力、效能與適用場景的深度比較,附決策表與混合架構建議。

·22 min aiengineering
4

Part 4 — Knowledge Graph 知識圖譜(四):結合 LLM — GraphRAG 與多跳推理

為什麼純向量 RAG 在多跳問題上失敗?GraphRAG 如何用知識圖譜補足、降低 LLM 幻覺。含 LangChain + Neo4j 的可跑程式碼與 Text2Cypher 實作。

·25 min aiengineering
5

Part 5 — Knowledge Graph 知識圖譜(五):實戰 — 用 LLM 自動建構知識圖譜並做問答

端到端實戰:用 LLM 把純文字文件自動抽成三元組、寫入 Neo4j、再接 GraphRAG 做問答。完整可跑的 Python 程式碼與架構演進建議。

·26 min aiengineering