知识图谱：实体、关系与证据建模

作者：Ai Flowi · 发布于 2026-10-10

知识图谱表示可识别的实体及其相互关系，通常还用属性描述这些关系的含义。它可以通过明确的链接连接文档、账户、人员及其他概念。有用的图谱也会记录证据和不确定性，避免仅因某条关系在图谱中有对应的边，就把它当成已核实的事实。

下面的小型图谱涉及虚构的业务文档，用于说明实体身份、关系方向和来源支持，并不声称 AI Flowi Workflow 具有图数据库、查询引擎或推理能力。

实体、关系与三元组

实体是模型所区分的对象，例如一个账户或某个特定的文档修订版本。应为实体提供稳定的标识符和类型。可读标签有助于人工检查，但不应替代标识符。两个账户可以同名；一个账户也可以更改显示名称，但仍然是同一实体。

关系以明确的含义和方向连接实体。在三元组中，主语通过谓语连接到宾语：文档 D belongs_to 账户 A。调换位置会产生不同的断言。应明确关系适用于整个文档系列，还是某个具体修订版本；否则，“supersedes”的含义可能变得模糊。

说明性的业务文档图谱；所有标识符均为虚构：在窄屏幕上，将焦点移入表格区域后可横向滚动。

evidence_ref 指向支持断言的材料。valid_from 字段说明关系从何时开始适用，时间以该材料为准。这些只是示例契约中的字段，并非所有知识图谱都必须采用。如果来源只记录观测日期，不应悄悄把它改称为生效日期。

名称相似，也要区分实体

搜索“Northstar Supplies”会返回账户 A17 和账户 A42。它们的标签相同，但因标识符不同，图谱保留两个账户节点。审核者检查 D2 时，会沿其 belongs_to 边找到 A17。仅凭文本相似性把 D2 关联到两个账户，会引入缺乏依据的关系。

如果后续经批准的来源说明 A42 是 A17 的重复登记，应先记录核对合并的决定及其证据，再修改实体身份链接。在此之前，两条记录仍是两条记录。名称匹配可以提出待审核的候选项，但不能证明实体相同。

处理联系人时也需要同样谨慎。has_contact 关系可以确立沟通联系人，却不授予签署权限。拟定的 signs_for 链接所需证据缺失，因此状态未知。保留这一缺口，比让模型或便于使用的标签替它补全更有信息价值。

关系需要来源追溯信息和时间

对于每一条被接受的边，应保留来源引用及形成该边的解释。来源可能明确陈述了关系，也可能由审核者依据有文档说明的规则推导得出。这是两种不同的证据路径。应区分推导断言与直接引用的来源陈述，并记录所用规则或审核决定。

supersedes 链接表示，根据所提供的修订通知，D2 替代了 D1。它并不意味着 D1 的每项陈述都是错误的，也不意味着 D1 应从历史中消失。关于较早时期的问题，仍可能需要 D1。应区分关系的实际有效时间与图谱获知修订的时间。

来源冲突时，应存储相互竞争的证据并标记为有争议。自动选择最新文件可能是错误的，因为该文件可能是未经批准的草稿。应为每种关系定义权威依据：账户登记表可以确立归属，修订通知则确立替代关系。同一来源不必支配所有边。

知识图谱与语义搜索有何区别？

语义搜索按含义相似程度对材料排序。嵌入向量有助于检索有关所需文档类型的段落，但相近的向量并不是明确的 belongs_to 关系。知识图谱为特定实体身份之间的关系赋予明确的名称和含义；该关系仍需证据支持。

两种方法可以互补。搜索可以定位候选证据，经过审核的图谱则可以连接已接受的断言。图谱不会自动使证据准确，相似性分数高也不等于证明。应确定问题需要的是可能相关的段落，还是已知实体之间有依据的关系。

在此示例中，“哪个已批准的修订版本属于账户 A17？”需要账户身份、归属关系和修订证据。“查找讨论账户开通流程的文档”则可以是一项相似性检索任务。如果混合这两类问题，却不明确各自的证据需求，就可能返回看似相关、实际属于错误账户的文档。

在 AI Flowi Workflow 中表示图谱

记录接口请参阅 JSON Object Builder 和 JSON Operations 参考文档；这一图谱表示方案的状态为： 组件目录中已有文档说明；未经 Ai Flowi 生产环境测试。

以下是 示例配置，并非记录下来的测试：在 JSON Object Builder 的 field_names中列出 subject_id、relation、object_id、evidence_ref、valid_from 和 review_status，并从上面经过审核的三元组提供这些值。预期输出是一条断言记录。它既不会核验来源，也不能证明具备图存储、本体推理或可运行的 GraphRAG 集成。

检查关系问题的方向

问“D2 属于哪个账户？”时，所提供的 belongs_to 边直接给出 A17。反过来问“哪些文档属于 A17？”时，则必须查找 belongs_to 的宾语为 A17 的文档主语。把 A17 当成同一关系的主语，会颠倒其含义。有些图系统提供逆关系，但本教学记录不会虚构一条逆关系。

接着问 C8 是否可以签署 D2。记录包含 C8 与 A17 的联系人关联，以及 D2 与 A17 的归属关联，却没有已接受的 signs_for 边。组合两条有效的边，不能补足缺失的权限。应返回现有的联系人和文档关联，同时保留签署权限尚未确定的状态。这是所提供证据的限制，而不是未能找到足够相似的段落。

审核者可以删除 D2 的证据引用，检查该断言是否变成缺乏依据；也可以把其宾语改为 A42，检查来源是否不再匹配，以此测试这个小型模型。这些是拟定的检查案例，并非记录下来的产品结果。它们测试的是关系含义和实体身份，而不只是检查 JSON 对象是否包含所有预期键。

常见错误与相关资料

不要按显示名称合并实体、从联系人链接推断权限、回答历史时期的问题时排除已被替代的来源，或把所有提取出的关系都当成已确立的事实。应把证据缺失明确记录为未知。相比实体身份和来源不清的大型图谱，每条边都能解释清楚的小型图谱更有用。

语义搜索 介绍基于相似性的检索。 向量数据库 解释嵌入向量存储； 知识库聊天机器人指南 介绍以检索内容为依据的回答。这些主题不能替代此处展示的明确关系与证据模型。