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-apihttps://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.zip2、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 API4、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 Key7、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_URIbolt://localhost:7687 NEO4J_USERNAMEneo4j NEO4J_PASSWORDpassword123 OPENAI_API_KEYsk-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_size1000,chunk_overlap200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/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】