Spring AI 1.1.2 + Neo4j：用知识图谱增强 RAG 检索（上篇：图谱构建）

前言

传统的 RAG（检索增强生成）系统主要依赖向量相似度检索，虽然能够找到语义相近的文档，但往往忽略了知识之间的关联关系。本系列文章将介绍如何使用 Spring AI 1.1.2 结合 Neo4j 图数据库，通过知识图谱增强 RAG 检索能力，让 AI 不仅能找到相似的知识，还能发现关联的知识。

开发环境

• JDK: 17
• Spring Boot: 3.5.9
• Spring AI: 1.1.2
• Neo4j: 5.x

核心依赖配置

在 pom.xml 中添加以下依赖：

<properties>
    <spring-ai.version>1.1.2</spring-ai.version>
</properties>
​
<dependencyManagement>
    <dependencies>
        <!-- Spring AI BOM -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>
​
<dependencies>
    <!-- Spring AI OpenAI Starter (兼容大多数 OpenAI 协议的模型) -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-openai</artifactId>
    </dependency>
​
    <!-- Spring AI Vector Store -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-vector-store</artifactId>
    </dependency>
​
    <!-- Spring Data Neo4j -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-neo4j</artifactId>
    </dependency>
​
    <!-- WebFlux for streaming -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-webflux</artifactId>
    </dependency>
</dependencies>

架构设计

整体流程

核心组件

1. 向量存储: 基于 Spring AI VectorStore 实现语义检索
2. 知识图谱: 使用 Neo4j 存储实体和关系
3. 实体抽取: 利用 LLM 从文档中抽取实体和关系
4. 图谱检索: 基于关键词匹配和图遍历发现关联知识

实现步骤

1. 定义知识图谱实体模型

使用 Spring Data Neo4j 定义图谱节点和关系：

@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
@Node("KgEntity")
public class KgEntityNode {
​
    @Id
    @GeneratedValue
    private Long id;
​
    /**
     * 业务唯一标识
     */
    private String entityId;
​
    /**
     * 实体名称
     */
    private String name;
​
    /**
     * 实体类型（如：服务、流程、规则、费用等）
     */
    private String type;
​
    /**
     * 实体描述
     */
    private String description;
​
    /**
     * 来源知识库ID
     */
    private Long knowledgeId;
}

@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
@RelationshipProperties
public class KgRelationship {
​
    @Id
    @GeneratedValue
    private Long id;
​
    /**
     * 关系类型（如：包含、属于、前置步骤等）
     */
    private String relationType;
​
    /**
     * 关系描述
     */
    private String description;
​
    /**
     * 来源知识库ID
     */
    private Long knowledgeId;
​
    /**
     * 目标节点
     */
    @TargetNode
    private KgEntityNode target;
}

这里使用了双重 ID 设计：id 是 Neo4j 内部 ID，entityId 是业务唯一标识（UUID），用于跨系统关联。knowledgeId 字段记录实体来源，便于知识更新时的增量维护。关系使用 @RelationshipProperties 注解，让关系也能携带元数据。

1.1 实体来源关联表

为了实现向量库和图谱的数据一致性，我们需要一张关联表来建立 MySQL 知识库与 Neo4j 图谱的桥梁。图谱检索时，先在 Neo4j 中找到关联的 entityId，再通过此表反查 knowledgeId。这样设计支持一个知识对应多个实体。

@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
@TableName("ai_kg_entity_source")
public class AiKgEntitySource {
​
    @TableId(type = IdType.AUTO)
    private Long id;
​
    /**
     * 知识库ID（关联 ai_knowledge 表）
     */
    private Long knowledgeId;
​
    /**
     * Neo4j 实体业务ID
     */
    private String entityId;
​
    private LocalDateTime createTime;
}

建表 SQL：

CREATE TABLE `ai_kg_entity_source` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键ID',
  `knowledge_id` bigint NOT NULL COMMENT '知识库ID',
  `entity_id` varchar(64) NOT NULL COMMENT 'Neo4j实体业务ID',
  `create_time` datetime DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  PRIMARY KEY (`id`),
  KEY `idx_knowledge_id` (`knowledge_id`),
  KEY `idx_entity_id` (`entity_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='知识图谱实体来源关联表';

2. 实现 LLM 实体抽取

⚠ 小模型可能输出不规范的 JSON 格式，我们需要将返回的数据进行清洗。

利用 LLM 从文档中自动抽取实体和关系。这是知识图谱构建的核心环节：

@Slf4j
@Service
@RequiredArgsConstructor
public class KgExtractionServiceImpl implements KgExtractionService {
​
    private final KgExtractionProperties extractionProperties;
    private ChatClient chatClient;
​
    /**
     * 宽松的 JSON 解析器，容忍小模型输出的格式问题
     */
    private static final ObjectMapper LENIENT_MAPPER = JsonMapper.builder()
            .enable(JsonReadFeature.ALLOW_UNQUOTED_FIELD_NAMES)  // 允许无引号字段名
            .enable(JsonReadFeature.ALLOW_SINGLE_QUOTES)         // 允许单引号
            .enable(JsonReadFeature.ALLOW_TRAILING_COMMA)        // 允许尾随逗号
            .build()
            .configure(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES, false);
​
    /**
     * 实体抽取的 System Prompt
     */
    private static final String EXTRACTION_SYSTEM_PROMPT = """
        你是一个知识图谱构建专家。请从用户提供的文本中抽取实体和关系，以严格的JSON格式输出。
​
        ## 抽取规则
        1. 实体类型包括但不限于：服务、流程、规则、费用、商品、时间、地点、角色
        2. 关系应反映实体间的逻辑联系，如：包含、属于、前置步骤、适用于、限制、触发
        3. 实体名称应简洁，2-8个字为宜
        4. 只抽取文本中明确表达的关系，不要推测
        5. 确保 relationships 中的 source 和 target 必须在 entities 中存在
​
        ## JSON 格式要求（严格遵守）
        1. 必须是合法的 JSON 对象，所有字段名和字符串值必须用双引号包裹
        2. 对象的每个字段必须是 "key": value 格式，冒号前后可有空格
        3. 数组元素之间用逗号分隔，最后一个元素后不能有逗号
        4. 不要使用单引号，不要省略引号
        5. 字符串中的特殊字符需要转义（如引号用 \\"）
​
        ## 输出格式示例
        只输出 JSON，不要有任何其他文字、解释或 markdown 标记。严格按照以下格式：
​
        {
          "entities": [
            {
              "name": "实体名称",
              "type": "实体类型",
              "description": "实体描述"
            }
          ],
          "relationships": [
            {
              "source": "源实体名",
              "target": "目标实体名",
              "relation": "关系类型",
              "description": "关系描述"
            }
          ]
        }
​
        注意：
        - 每个字段名必须用双引号包裹，如 "name"、"type"
        - 每个字符串值必须用双引号包裹
        - 对象内每个属性格式为 "key": "value"，注意冒号
        - 数组最后一个元素后不要加逗号
        - 如果没有实体或关系，对应数组为空：[]
        """;
​
    @PostConstruct
    public void init() {
        // 配置超时时间
        SimpleClientHttpRequestFactory requestFactory = new SimpleClientHttpRequestFactory();
        requestFactory.setConnectTimeout(Duration.ofSeconds(30));
        requestFactory.setReadTimeout(Duration.ofSeconds(extractionProperties.getTimeoutSeconds()));
​
        RestClient.Builder restClientBuilder = RestClient.builder()
                .requestFactory(requestFactory);
​
        // 初始化独立的 ChatClient 用于实体抽取
        OpenAiApi openAiApi = OpenAiApi.builder()
                .baseUrl(extractionProperties.getBaseUrl())
                .apiKey(extractionProperties.getApiKey())
                .restClientBuilder(restClientBuilder)
                .build();
​
        OpenAiChatOptions options = OpenAiChatOptions.builder()
                .model(extractionProperties.getModel())
                .temperature(0.1)  // 低温度保证输出稳定
                .build();
​
        OpenAiChatModel chatModel = OpenAiChatModel.builder()
                .openAiApi(openAiApi)
                .defaultOptions(options)
                .build();
​
        this.chatClient = ChatClient.builder(chatModel).build();
        log.info("知识图谱实体抽取模型初始化完成: model={}, timeout={}s",
                extractionProperties.getModel(), extractionProperties.getTimeoutSeconds());
    }
​
    @Override
    public KgExtractionResultDTO extract(String content) {
        if (StringUtils.isBlank(content)) {
            return null;
        }
​
        try {
            String response = chatClient.prompt()
                    .system(EXTRACTION_SYSTEM_PROMPT)
                    .user(content)
                    .call()
                    .content();
​
            if (StringUtils.isBlank(response)) {
                log.warn("LLM 实体抽取返回空结果");
                return null;
            }
​
            log.debug("LLM 原始响应: {}", response);
​
            // 提取并清洗 JSON
            String json = extractJson(response);
            if (json == null) {
                log.warn("无法从 LLM 响应中提取 JSON，原始响应: {}", response);
                return null;
            }
​
            log.info("清洗后 JSON: {}", json);
​
            return LENIENT_MAPPER.readValue(json, KgExtractionResultDTO.class);
​
        } catch (Exception e) {
            log.error("LLM 实体抽取失败: {}", e.getMessage(), e);
            return null;
        }
    }
​
    /**
     * 从 LLM 响应中提取并清洗 JSON 字符串
     * 处理可能的 markdown code block 包裹及小模型输出的常见 JSON 格式问题
     */
    private String extractJson(String response) {
        String trimmed = response.trim();
​
        // 去除 markdown code block 包裹
        if (trimmed.contains("```")) {
            int start = trimmed.indexOf("```");
            int contentStart = trimmed.indexOf("\n", start);
            int end = trimmed.lastIndexOf("```");
            if (contentStart > 0 && end > contentStart) {
                trimmed = trimmed.substring(contentStart + 1, end).trim();
            }
        }
​
        // 确保是 JSON 对象
        int jsonStart = trimmed.indexOf("{");
        int jsonEnd = trimmed.lastIndexOf("}");
        if (jsonStart >= 0 && jsonEnd > jsonStart) {
            String json = trimmed.substring(jsonStart, jsonEnd + 1);
            return cleanJson(json);
        }
​
        return null;
    }
​
    /**
     * 清洗 LLM 返回的 JSON，修复小模型常见的格式问题
     */
    private String cleanJson(String json) {
        // 修复未加引号的 key，如 {name: "foo"} → {"name": "foo"}
        json = json.replaceAll("([{,\\[])\\s*([a-zA-Z_][a-zA-Z0-9_]*)\\s*:", "$1\"$2\":");
​
        // 去掉数组/对象末尾的多余逗号，如 ["a",] → ["a"]
        json = json.replaceAll(",\\s*([}\\]])", "$1");
​
        // 修复单引号值为双引号，如 'foo' → "foo"
        json = json.replaceAll("'([^']*?)'", "\"$1\"");
​
        // 修复缺少逗号的情况，如 {"a":"b" "c":"d"} → {"a":"b", "c":"d"}
        json = json.replaceAll("\"\\s+\"", "\",\"");
​
        // 修复对象之间缺少逗号，如 }{ → },{
        json = json.replaceAll("}\\s*\\{", "},{");
​
        // 修复数组元素之间缺少逗号，如 ][ → ],[
        json = json.replaceAll("]\\s*\\[", "],[");
​
        // 去除多余的空白字符（保留必要的空格）
        json = json.replaceAll("\\s+", " ").trim();
​
        return json;
    }
}

实体抽取 DTO 定义：

@Data
public class KgExtractionResultDTO {
​
    private List<EntityItem> entities;
    private List<RelationItem> relationships;
​
    @Data
    public static class EntityItem {
        private String name;        // 实体名称
        private String type;        // 实体类型
        private String description; // 实体描述
    }
​
    @Data
    public static class RelationItem {
        private String source;      // 源实体名称
        private String target;      // 目标实体名称
        private String relation;    // 关系类型
        private String description; // 关系描述
    }
}

在实现上，我们为实体抽取单独配置了一个 ChatClient，这样可以避免影响主聊天流程的配置。温度参数设置为 0.1 是为了保证输出格式的稳定性，减少随机性带来的格式问题。

Docker 部署 Neo4j

使用 Docker 一条命令即可启动 Neo4j：

docker run -d \
  --name lanjii-neo4j \
  -p 7474:7474 \
  -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/lanjii123456 \
  neo4j:5.15.0

启动后在 application.yml 中配置连接信息：

spring:
  neo4j:
    uri: bolt://localhost:7687
    authentication:
      username: neo4j
      password: lanjii123456

浏览器访问 http://localhost:7474 可以打开 Neo4j 管理界面，使用上面设置的用户名密码登录。索引创建等操作见下篇。

源码与在线体验

完整源码：gitee.com/leven2018/l…

欢迎 Star ⭐ 和 Fork，项目包含本文涉及的所有代码（MCP 集成、多模型动态切换、RAG 知识库等）。

在线体验：http://106.54.167.194/admin/index

小结

上篇我们完成了知识图谱的基础搭建工作：

1. 搭建了开发环境，配置了 Spring AI 和 Neo4j 依赖
2. 设计了实体模型和关联表，建立了向量库与图谱的桥梁
3. 实现了 LLM 自动抽取实体和关系的核心功能
4. 部署了 Neo4j 图数据库

下篇我们将介绍如何进行知识图谱检索，并将图谱检索结果与传统 RAG 的向量检索结果相结合，构建一个知识图谱增强的 RAG 系统。