基于GraphRag的本地课程图谱问答系统

项目概述

本项目旨在打造一个集知识图谱构建、智能问答、以及本地化信息检索于一体的课程知识问答系统。核心目标是利用图谱技术和大模型问答能力，为用户提供准确、快速且安全的课程知识查询体验，特别适合对数据隐私和自主部署有高要求的场景。

项目的主要价值在于通过结构化的课程三元组数据（CSV格式）自动构建知识图谱，存储于Neo4j图数据库中，为后续的知识查询和可视化提供基础支持。同时集成本地知识检索工具（graphrag）与外部大语言模型（如OpenAI API），实现自然语言问答，提升用户交互体验。整个系统部署在本地环境，保证数据隐私安全，适应教育、企业培训等多场景应用。

技术架构

整体架构设计

系统采用Django作为后端开发框架，分为数据层、图数据库访问层、问答逻辑层和前端展示层。架构示意如下：

用户界面（前端）<--> Django Web服务 <--> Neo4j图数据库
                                <--> 本地graphrag工具（知识检索）
                                <--> 大模型接口（OpenAI API）
                                <--> 数据处理（CSV导入、知识图谱构建）

主要技术栈

• 后端框架：Django
• 图数据库：Neo4j，使用py2neo库操作
• 知识图谱构建：基于CSV三元组导入，节点关系节点化管理
• 自然语言处理：jieba中文分词
• 本地工具：graphrag问答与索引检索
• 大模型集成：OpenAI API，增强问答智能
• 前端技术：Bootstrap、MaterialDesignIcons、ECharts等实现响应式界面与可视化

模块关系和交互

• 数据模块（datas）：负责从CSV文件读取三元组，构建知识图谱，存入Neo4j。
• 图数据库访问（myneo4j）：封装Neo4j节点关系的增删查改，提供图谱查询接口，支撑问答逻辑。
• 问答与检索（myneo4j）：集成本地graphrag工具进行知识检索，调用大模型API进行自然语言理解与答复。
• 用户管理（accounts）：提供注册、登录、权限控制，保障系统安全。
• 前端模板（templates）：实现用户交互界面，包括登录、注册、图谱查询、关系问答等页面。
• 整体部署：通过manage.py管理迁移和启动，确保系统在本地环境稳定运行。

功能模块

知识图谱构建（datas模块）

• 读取结构化CSV三元组数据（如cibiao.txt或清洗后csv）
• 自动匹配节点，避免重复创建
• 构建实体关系图，存入Neo4j
• 提供基础的图谱数据存储和管理功能，为查询提供基础数据

Neo4j知识管理与查询（myneo4j模块）

• 定义节点（MyNode）、问答（MyWenda）等数据模型
• 提供节点、关系的增删查改接口
• 支持复杂的图结构查询，关系路径分析
• 集成外部本地检索工具（graphrag）实现知识索引检索
• 支持多轮问答，结合大模型（OpenAI）实现智能应答

用户管理（accounts模块）

• 自定义用户模型（UserProfile），支持手机号、明文密码存储
• 提供注册、登录、密码修改、个人信息维护功能
• 后台管理界面方便维护用户数据
• 安全措施：密码加密存储，权限控制

前端界面（templates目录）

• base.html：基础布局模板
• index.html：首页，提供知识图谱查询表单
• login.html：用户登录
• register.html：用户注册
• modify.html：密码修改
• my_info.html：个人信息管理
• wenda.html：关系图谱问答页面，支持自然语言输入和结果展示

其他支持功能

• 静态资源（CSS、JS、图片）优化用户体验
• 交互式可视化（如ECharts）展示知识关系
• 日志管理（logs.json）和输出目录（output）存储检索和问答数据

项目结构

整体目录结构清晰，分层管理核心功能：

• datas/：知识图谱数据导入脚本（main.py）和原始数据文件
• myneo4j/：Neo4j数据库操作封装、Web接口逻辑
• accounts/：用户管理模型、视图、后台配置
• templates/：前端页面模板
• static/：前端静态资源（CSS、JS、字体、图片）
• xy_neo4j/：Django项目配置
• manage.py：项目管理入口
• README.md：项目说明
• req.txt / requests.txt：依赖配置文件

部署和运行

环境要求

• Python 3.8+（推荐3.9或更高）
• Django 3.x或以上
• Neo4j图数据库（建议版本4.x或5.x）
• 依赖包：py2neo、jieba、requests、ECharts、Bootstrap等前端库
• 本地graphrag工具（需自行安装配置，路径可在配置中调整）

安装与配置步骤

1. 克隆项目代码到本地
2. 创建虚拟环境：

   python -m venv venv
   source venv/bin/activate
   pip install -r req.txt

3. 安装Neo4j并启动，配置settings.py中的连接参数
4. 导入CSV三元组数据（使用datas/main.py或通过Django管理命令）
5. 配置本地graphrag工具，确保调用路径正确
6. 配置OpenAI API密钥（在settings.yaml中）
7. 迁移数据库模型：

   python manage.py migrate

8. 创建超级用户（可选）：

   python manage.py createsuperuser

启动方式

• 运行开发服务器：

  python manage.py runserver

• 访问http://127.0.0.1:8000/即可使用系统界面。

---

核心技术亮点

• 本地化部署：全部服务在本地环境运行，保证数据隐私安全
• 知识图谱自动构建：从CSV数据自动匹配实体关系，减少人工维护
• 图数据库高效查询：利用Neo4j强大的路径和关系查询能力
• 多模态问答结合：结合本地知识检索（graphrag）和大模型（OpenAI），提升问答智能
• 丰富前端交互：响应式页面支持多场景操作，支持知识可视化
• 安全可靠：用户权限管理、密码加密保障系统安全

业务价值

该系统为教育、企业培训等领域提供了一个安全、智能、可扩展的知识问答平台，显著降低了信息检索成本，提高了用户满意度，同时满足对数据隐私和自主控制的需求。未来可结合更多知识源和AI模型，持续扩展系统能力，打造更强大的知识服务生态。

---

本项目通过结合知识图谱、图数据库和大模型技术，打造了一个高效、安全、智能的本地课程知识问答系统，具有广阔的应用前景和持续优化潜力。

---

如有问题请联系作者：https://qalangtao.com 。
800