程序聚合软件案例基于知识图谱增强的菜谱搜索RAG系统

基于知识图谱增强的菜谱搜索RAG系统

2025-11-13 10:43:02

行业：人工智能、大数据

载体：算法模型

技术：Python、PyTorch、MySQL Workbench

业务和功能介绍

通过引入知识图谱，我们的菜谱搜索系统将具备：
- 结构化知识表达：以图的形式显式编码实体间的语义关系
- 增强推理能力：支持多跳推理和复杂关系查询
- 智能查询路由：根据查询复杂度自动选择最适合的检索策略
- 事实性与可解释性：基于图结构的推理路径提供可追溯的答案
极大的拓展大语言模型的能力，用较小的模型+知识图谱就可以实现超大参数模型的推荐能力。而且通过对大语言模型的量化和部署，可实现本地快速的推理，而不依赖云端网络。

项目实现

关键技术
1. 图数据准备模块 (GraphDataPreparationModule)
- 功能：连接Neo4j数据库，加载图数据，构建结构化菜谱文档
- 特点：支持图数据到文档的智能转换，保持知识结构完整性
2. 向量索引模块 (MilvusIndexConstructionModule)
- 功能：构建和管理Milvus向量索引，支持语义相似度检索
- 特点：使用BGE-small-zh-v1.5模型，512维向量空间
3. 混合检索模块 (HybridRetrievalModule)
- 功能：传统的混合检索策略，结合向量检索和关键词查询
- 特点：双层（dual level)检索（实体级entity+主题级topic），向量检索
4. 图RAG检索模块 (GraphRAGRetrieval)
- 功能：基于图结构的高级检索
- 特点：支持多跳推理、子图提取、实体关系识别、相似实体聚类
5. 检索结果融合重排(Reranker):
- 功能：对检索结果按照与query的相关性排序
- 特点：使用bge-reranker-base模型
6. 智能查询路由 (IntelligentQueryRouter)
- 功能：分析查询特征，自动选择最适合的检索策略
- 特点：LLM驱动的查询分析，动态策略选择
7. 查询重写(QueryRewrite)
- 功能：对用户的问题重写，减少口语化和模糊的表达，增强检索效果
- 特点：LLM驱动
8. 生成集成模块 (GenerationIntegrationModule)
- 功能：基于检索结果生成最终答案
- 特点：支持llm api调用(e.g. kimi) 和 llm model(e.g. qwen25-7b-instruct)两种方式
我负责全项目整个模块的搭建和demo开发和测试

示例图片视频

Mcccc

30天前活跃

方向：人工智能-大模型和多模态、

交付率：100.00%

查看主页

相似推荐

skill插拔驱动多元Agent

### 多 Agent 智能协作 6 个专业 Agent（Sisyphus、Code Analyzer、Programmer、Refactor Master、Test Expert、Librarian）通过 4 种协作模式（Sequential、Parallel、Debate、Main-with-Helpers）智能协作。基于意图识别自动选择 Agent，并行执行提升效率，自动综合多专家意见。 ### 深度代码理解集成 LSP（Language Server Protocol）、AST（抽象语法树）分析和语义代码搜索。支持 Python、JavaScript、TypeScript 等主流语言，提供类型推导、引用分析、基于向量的语义检索。自动识别代码结构和依赖关系。 ### 智能编排系统 7 种编排策略（Simple、ReAct、Multi-Agent、Parallel、Conditional、Workflow、Sisyphus）自动选择最优方案。ReAct 模式支持推理-行动循环，条件分支实现动态决策，并行执行提升性能。 ### 完整工具链 34+ 专业工具，包含项目理解（文档发现、结构分析、代码地图）、代码搜索（文本、正则、语义、AST）、LSP 工具（诊断、跳转、引用、重命名）、文件操作（读写、批量操作、补丁）、Git 工具（状态、差异、日志）。 ### 智能记忆系统分层存储架构（会话级、用户级、全局级），对话树结构支持多分支，智能压缩和摘要，相关性检索。多轮对话保持上下文，记住用户偏好和习惯，跨会话知识复用。 ### Skill 配置系统 14+ 预置技能，灵活的 Prompt 模板，工具和编排器配置，可扩展的技能定义。YAML 配置驱动，Jinja2 模板引擎，动态加载和热更新。

微信自动抢红包助手-快抢

基于Auto.js开发的微信自动抢红包脚本，通过监听系统通知实时响应红包消息，自动点击横幅进入聊天界面，并利用固定坐标快速点击红包和“开”按钮。脚本支持多次重试机制，确保红包被及时抢到，无需人工干预，极大提升抢红包成功率。

RPA的SAP BW运维监控-SAP

本项目旨在解决 SAP BW 系统运维中人工监控效率低、响应滞后、易遗漏异常的痛点，通过 RPA 机器人替代人工，实现对 SAP BW 数据加载、任务执行、系统状态的 7×24 小时自动化监控。核心功能模块包括： SAP BW 监控模块：RPA 自动登录 SAP 系统，定时检查 BW 进程、数据加载任务、系统日志及关键指标，识别任务失败、数据异常、系统告警等问题。智能通知模块：当监控到异常时，RPA 触发微信消息推送，将异常详情、影响范围、建议处理措施实时推送给运维人员；同时可调用 Python 接口，通过电话语音或系统声音输出进行二次告警，确保关键问题不被遗漏。辅助识别模块：集成 Python OCR 图片文字识别能力，自动解析 SAP BW 监控截图中的关键信息，补充到告警内容中，提升问题定位效率。业务流程为：RPA 定时巡检→发现异常→触发多渠道告警→运维人员接收并处理→RPA 记录处理结果并归档，形成闭环运维监控体系，大幅降低人工成本，提升运维响应速度和系统稳定性。

tools box

针对用户需要多个软件处理图片文档的痛点，打造免费在线工具平台，无需安装即可使用，注重隐私保护。图片工具（去水印、压缩、证件照、抠图）、实用工具（文档转换、屏幕录制、二维码、OCR识别）、AI助手（图片视频生成、写作翻译、旅行规划）。访问网站→选择工具→上传文件→系统处理→预览结果→下载保存。浏览器端本地处理，无需注册，保护隐私安全。

军事agent-ugv_agents

在无人作战/军事仿真场景中，需智能体系统协调多无人平台（UAV、UGV、机器狗等）完成复杂任务。传统方案依赖人工指令与固定流程，难以应对动态任务和自然语言交互。本项目构建基于 LLM 的多 Agent 协同系统，实现自然语言驱动的任务规划、调度与执行。核心目标：支持自然语言任务输入并自动分解为可执行动作序列；多 Agent 协同（任务规划、调度、会议助手、状态检查等）；WebSocket/MQTT 双通道与上位机通信；通过 MCP 协议动态扩展工具能力；Docker 容器化部署，兼容 x86/ARM64。