二、框架概述
• 必须确保知识的准确性，包括知识边界的完整性、知识结构和语义的清晰性；
• 对 LLM 友好的知识表示增强 • 知识图谱与原文片段之间的互索引结构 • 逻辑符号引导的混合推理引擎 • 基于语义推理的知识对齐机制 • KAG 模型
实现方式是什么(How)?
KAG-Builder 用于离线索引，主要包括上述提到的特性 1 和 2：知识表示增强、互索引结构
KAG-Solver 模块涉及特性 3 和 4：逻辑符号混合推理引擎、知识对齐机制
KAG-Model 则尝试构建了一个端到端的 KAG 模型
三、源码解析
examples目录入手，了解下整个框架的运行流程，然后再深入到具体模块。几个 Demo 的入口文件路径都差不多，比如kag/examples/medicine/builder/indexer.py以及kag/examples/medicine/solver/evaForMedicine.py，可以清楚看出 builder 组合了不同的模块，而 solver 的真正入口位于kag/solver/logic/solver_pipeline.py。KAG-Builder
❯tree.
.
├──__init__.py
├──component
│├──__init__.py
│├──aligner
││├──__init__.py
││├──kag_post_processor.py
││└──spg_post_processor.py
│├──base.py
│├──extractor
││├──__init__.py
││├──kag_extractor.py
││├──spg_extractor.py
││└──user_defined_extractor.py
│├──mapping
││├──__init__.py
││├──relation_mapping.py
││├──spg_type_mapping.py
││└──spo_mapping.py
│├──reader
││├──__init__.py
││├──csv_reader.py
││├──dataset_reader.py
││├──docx_reader.py
││├──json_reader.py
││├──markdown_reader.py
││├──pdf_reader.py
││├──txt_reader.py
││└──yuque_reader.py
│├──splitter
││├──__init__.py
││├──base_table_splitter.py
││├──length_splitter.py
││├──outline_splitter.py
││├──pattern_splitter.py
││└──semantic_splitter.py
│├──vectorizer
││├──__init__.py
││└──batch_vectorizer.py
│└──writer
│├──__init__.py
│└──kg_writer.py
├──default_chain.py
├──model
│├──__init__.py
│├──chunk.py
│├──spg_record.py
│└──sub_graph.py
├──operator
│├──__init__.py
│└──base.py
└──prompt
├──__init__.py
├──analyze_table_prompt.py
├──default
│├──__init__.py
│├──ner.py
│├──std.py
│└──triple.py
├──medical
│├──__init__.py
│├──ner.py
│├──std.py
│└──triple.py
├──oneke_prompt.py
├──outline_prompt.py
├──semantic_seg_prompt.py
└──spg_prompt.py
KAGExtractor，其基本流程图如下：这里主要在做的就是利用大模型，实现了从非结构化文本到结构化知识图谱的自动创建，简单描述下其中的一些重要步骤。
• 首先是实体识别模块，这里会针对预定义的知识图谱类型先进行特定实体识别，然后进行通用命名实体识别。这种双层识别机制应该能够确保既能捕获领域特定的实体，又不会遗漏通用实体。 • 图谱构建过程实际是由 assemble_sub_graph_with_spg_records方法完成的，它的特殊之处在于，系统会将非基本类型的属性转换为图中的节点和边，而不再是继续保留为实体的原有属性。这一点的改动说实话没有很理解，一定程度上应该是简化了实体的复杂性的，但实际还不太清楚这种策略能带来多大的收益，构建的复杂度肯定是增加了。• 实体标准化由 named_entity_standardization和append_official_name两个方法协同完成。首先对实体名称进行规范化处理，然后将这些标准化的名称与原始实体信息进行关联。这个过程感觉上类似于实体去重（Entity Resolution）。
整体来说，Builder 模块的功能跟目前常见的图谱构建技术栈还算比较接近，相关文章与代码理解起来难度也不太大，此处不再赘述。
KAG-Solver
Solver 部分涉及到整个框架的很多核心功能点，尤其是逻辑符号推理相关内容，先看下整体结构
❯tree.
.
├──__init__.py
├──common
│├──__init__.py
│└──base.py
├──implementation
│├──__init__.py
│├──default_generator.py
│├──default_kg_retrieval.py
│├──default_lf_planner.py
│├──default_memory.py
│├──default_reasoner.py
│├──default_reflector.py
│└──lf_chunk_retriever.py
├──logic
│├──__init__.py
│├──core_modules
││├──__init__.py
││├──common
│││├──__init__.py
│││├──base_model.py
│││├──one_hop_graph.py
│││├──schema_utils.py
│││├──text_sim_by_vector.py
│││└──utils.py
││├──config.py
││├──lf_executor.py
││├──lf_generator.py
││├──lf_solver.py
││├──op_executor
│││├──__init__.py
│││├──op_deduce
││││├──__init__.py
││││├──deduce_executor.py
││││└──module
││││├──__init__.py
││││├──choice.py
││││├──entailment.py
││││├──judgement.py
││││└──multi_choice.py
│││├──op_executor.py
│││├──op_math
││││├──__init__.py
││││└──math_executor.py
│││├──op_output
││││├──__init__.py
││││├──module
│││││├──__init__.py
│││││└──get_executor.py
││││└──output_executor.py
│││├──op_retrieval
││││├──__init__.py
││││├──module
│││││├──__init__.py
│││││├──get_spo_executor.py
│││││└──search_s.py
││││└──retrieval_executor.py
│││└──op_sort
│││├──__init__.py
│││└──sort_executor.py
││├──parser
│││├──__init__.py
│││└──logic_node_parser.py
││├──retriver
│││├──__init__.py
│││├──entity_linker.py
│││├──graph_retriver
││││├──__init__.py
││││├──dsl_executor.py
││││└──dsl_model.py
│││├──retrieval_spo.py
│││└──schema_std.py
││└──rule_runner
││├──__init__.py
││└──rule_runner.py
│└──solver_pipeline.py
├──main_solver.py
├──prompt
│├──__init__.py
│├──default
││├──__init__.py
││├──deduce_choice.py
││├──deduce_entail.py
││├──deduce_judge.py
││├──deduce_multi_choice.py
││├──logic_form_plan.py
││├──question_ner.py
││├──resp_extractor.py
││├──resp_generator.py
││├──resp_judge.py
││├──resp_reflector.py
││├──resp_verifier.py
││├──solve_question.py
││├──solve_question_without_docs.py
││├──solve_question_without_spo.py
││└──spo_retrieval.py
│├──lawbench
││├──__init__.py
││└──logic_form_plan.py
│└──medical
│├──__init__.py
│└──question_ner.py
└──tools
├──__init__.py
└──info_processor.py
之前提到 solver 的入口文件，这里贴下相关代码
FPlannerABC=None,lf_solver