【AI落地应用实战】DeepSeek+知识图谱+ChatWiki快速打造GraphRAG

GraphRAG（Graph-based Retrieval-Augmented Generation）是一种结合知识图谱与检索增强生成技术的改进型架构，旨在通过结构化数据增强大型语言模型（LLM）的理解与生成能力，解决传统RAG在复杂查询、多跳推理及跨文档语义关联上的局限性。

通过DeepSeek+ChatWiki，即可快速打造一个GraphRAG知识库问答机器人。

ChatWiki是一款国产开源的知识库 AI 问答系统。系统基于大语言模型（LLM ）和检索增强生成（RAG）和GraphRAG知识图谱构建，提供开箱即用的数据处理、模型调用等能力。

企业通过邮箱即可注册一个ChatWiki账号，填写DeepSeek的API KEY即可接入。

接着在ChatWiki里创建知识库，上传企业文档、行业报告、百科知识等数据。

开通知识图谱

在知识库配置里，开通“生成知识图谱”，即可完成设置。

接着点击 “机器人管理”-“新增机器人”，填写机器人名称创建成功。将前面创建好的知识库与该机器人进行关联，这样机器人在接收到用户问题时，就能利用接入的大模型（如 DeepSeek 结合 GraphRAG 能力）快速从知识库中检索相关信息并生成回答。

当用户提出问题时，GraphRAG 首先会在知识图谱中进行图遍历和推理，识别问题中涉及的实体及其关系，然后从图谱中检索出相关的知识片段。

接着，结合 DeepSeek 等强大的语言模型，对检索到的知识进行整合和生成，以自然语言的形式输出准确、全面的回答。

例如，在处理 “某疾病与哪些生活习惯有关” 的问题时，GraphRAG 会在医疗知识图谱中查找该疾病实体与各种生活习惯实体之间的关联关系，再利用语言模型生成详细解答。