最近发现了一个来自B站UP主「林亦lyi」的开源项目 platform-war-public[1] 。
这个项目很有意思，它通过让AI学习B站微博知乎的评论内容，化身为资深用户，从而模拟不同平台展开一场激烈的辩论。
光说不练假把式，不如直接上手试试看效果！我选择了一个婚恋相关的辩题：裸婚是否能走得长久？ 把程序跑起来看看 AI 们是怎么辩论的：
css
B站：我支持裸婚能够走得长久。 婚姻是两个人的事，只要双方真心相爱，愿意共同面对生活中的困难和挑战，裸婚完全可以走得长远。经济基础固然重要，但婚姻中的真情实感和相互扶持才是婚姻能够长久的关键。
微博：我反对B站的观点！结婚的基础是双方的幸福感和生活保障，但现在的年轻人生活幸福度太低，没有自己的时间，失业率高，工作时间长，看不到希望，自然对婚姻敬而远之。在这样的环境下，裸婚想要走得长久，难度不言而喻。
知乎：我反对B站的观点！我觉得裸婚想要走得长远是有困难的，它忽略了婚姻中经济基础的重要性。"经济基础决定上层建筑"，没有一定的经济基础，婚姻很难稳定。不得不说，AI 扮演的各个平台的味儿还挺足，这是咋做到的呢？
其实项目运用了微软7月份开源的一项新技术------GraphRAG[2] 。 本文将以这场辩论为例，带大家走进GraphRAG的内部，了解它是如何工作的，以及它的独特优势所在。
PART 1: 提取关键词
首先，程序接收到辩题后，会将其输入大语言模型，由模型提取辩题中的核心关键词：
js
我："你是社交平台用户群体意志的化身，你正在参加一场辩论。请你按照你代表的平台，根据当前的辩论主题和已经进行的历史对话，生成对当前主题继续辩论的合适策略。我们目前的辩题是 "裸婚能否走的长久"， 其他辩友的辩词是"xxx"。"
chatgpt ：mode="直接检索", query="裸婚能否长久的论点和依据是什么？", entities=[]可以看到，大语言模型为我们选择了当前适合的检索模式：直接检索。并结合辩题和当前的辩论情况精简出一条 query, 并提供关键词节点(entities)。
「小贴士」：
本项目提供了4中检索方式，分别是：
直接检索模式：用于需要快速确立基本观点，或作出直接明确的回应。
联想检索模式：需要对单一事物进行多角度分析，探索论点的连带影响和延伸问题。
关系检索模式：涉及到两个或多个节点或观点的联系
社区检索模式：需要从更宏观的角度审视问题，汇总普遍观点或共识。
PART 2 : 开始检索
接下来，我们将基于大语言模型提供的「检索模式」、「查询词（query）」和「关键词节点」，从向量数据库中检索相关话题与评论内容。
对于检索结果，将根据相关性评分进行筛选，仅保留相关性更高的结果。以下展示了不同检索模式下的结果示例：
2.1 直接检索：
直接检索是从全局向量数据库中检索, 获得「原始话题」和「评论数据」。
js
chatgpt: mode="直接检索", query="裸婚能否长久的论点和依据是什么？", entities=[]
数据库 ：「话题」：#年轻人婚恋更看重情感质量#...... 「所有评论」： 不看看经济成啥样了，结的起婚？ 每天就盯着这点事......2.2 联想检索：
联想检索是根据大模型提供的节点关键词, 到对应节点的向量数据库中搜索相关话题和评论。依据「知识图谱」生成「节点之间的关系」。
js
chatgpt: mode="联想检索", query="裸婚能否长久的论点和依据是什么？", entities=["婚姻"]
数据库：[关联实体 - 婚姻]：(原始话题与评论数据....略)
数据库：[关联关系]：「婚姻」与「现代社会」的关系是：在现代社会中，婚姻不再是生活必需品，人们认为可以不通过婚姻来实现个人价值和幸福生活。[关联关系]：「女权」与「婚姻」 的关系是：主张抛弃婚姻，成为独立女性。[关联关系]：「彩礼」与「婚姻」 的关系是：成为结婚的负担和阻碍。2.3 关系检索：
关系检索是对实体对进行路径搜索，搜索两个实体间的所有路径。
js
chatGpt: mode="关系检索", query="裸婚能否长久的论点和依据是什么？", entities=["婚姻", "彩礼"，"相亲"]
数据库：[节点路径]: 彩礼 -> 相亲 -> 婚姻 -> 彩礼 -> 男女平等
数据库：[关系链]: 彩礼->相亲时，双方会避免因彩礼问题导致的争执-> 相亲: 很多女性参加相亲是出于对婚姻的强烈需求-> 婚姻: 男方父母坚决不给彩礼钱，导致婚姻中的彩礼钱问题成为讨论的焦点-> 彩礼:取消彩礼陋习是实现男女平等趋势的一部分-> 男女平等2.4 社区检索：
社区检索是从从社区向量数据库中检索子社区, 获得社区成员和社区简介信息。
js
chatgpt:mode="社区检索", query="裸婚能否长久的论点和依据是什么？", entities=["婚姻", "彩礼"，"相亲"]
数据库: 爱情, 身体接受, 非独家庭, 平台, 社会现实, 沟通, 安全感, 物质条件, 恋爱
数据库: 我认为爱情是婚姻中最核心的元素，没有爱情的婚姻就像没有灵魂的躯壳。在我看来，真正的爱情不仅仅是肉体的吸引，更是灵魂深处的共鸣....(省略)
```js
PART 3 : 生成辩词
将以上检索结果和对应prompt 输入大语言模型，来生成各方辩词，就得到了上述示例中的效果。
```js
我："你是B站用户群体意志的化身，正在参加辩论。现在，你需要针对当前的讨论进行回复。你回复的内容必须完全基于检索结果进行组织。检索内容是{....}。
chatgpt: 生成辩词如下：我支持裸婚能够走得长久。 婚姻是两个人的事，只要双方真心相爱，愿意共同面对生活中的困难和挑战，裸婚完全可以走得长远。经济基础固然重要，但婚姻中的真情实感和相互扶持才是婚姻能够长久的关键。PART 4 : 阶段小结
我们首先借助大语言模型处理辩题，提取关键词节点并确定检索方式，随后结合知识图谱进行向量化搜索，再基于检索结果组织辩词。这一过程直观地展示了 GraphRAG 的部分核心原理。
那么我们再回头来看下，如何根据原始的评论，来构建知识图谱和检索数据库呢？
PART -2: 构建知识图谱
首先，需要构建知识图谱。这一过程需要通过「大语言模型」对原始评论数据进行处理，提取「关键节点」并梳理它们之间的「关系」，从而形成系统化的结构。整个图谱的构建过程借助了 NetworkX 开源库实现。
知识图谱可视化之后的效果如下：
可以看到节点周围展示了相关的关键词，点击连线即可查看它们之间的具体关联。
在生成知识图谱的过程中，如果有相似的节点(如 "妈妈" 和 "母亲" )，则进行节点合并。这里节点合并是借助 HuggingFaceBgeEmbeddings 来对每个实体向量化，通过比较向量的距离来判断两个文本的相似度。
「小贴士」
Q: 向量化后的数据长什么样?
A: 是一个 json，由一个一维数组表示当前节点的信息：
{
//7旬大爷的unicode编码，是一个关键词节点
\u65ec\u5927\u7237: [
//数据中包含该节点的信息
0.01363861933350563,
0.05924391746520996,
-0.03023160807788372,
-0.044953517615795135,
...
]
}
PART -1: 构建向量数据库
接下来，需要为知识图谱中的每个节点创建对应的「向量数据库」，以便后续检索。例如，"彩礼"节点的向量库中存储了"彩礼"与其他节点的关系以及相关的原始评论内容。
此外，还需要单独生成全局向量库和社区向量库，分别用于「直接检索模式」和「社区检索模式」。
全局向量库将所有话题及评论内容格式化为 Markdown 形式后存储；而社区向量库则将社区内容概要存储。这种设计方便了针对不同场景的高效检索。
「小贴士」
Q: 社区数据是怎么收集的？
A: 通过知识图谱中的图结构，调用nx.community.louvain_communities库方法来实现的。
PART 0: 阶段小结
这部分我们学习了如何生成GraphRAG中的知识图谱，核心是利用大语言模型提取评论数据中的节点和关联，并以此构建图结构，并对相似信息进行聚类。
至此，我们已经了解了整个工作流程。接下来，回顾一些相关的小知识。
在本次项目中涉及了 AI 领域的一个重要概念------RAG ，即Retrieval-Augmented Generation（检索增强生成）。顾名思义，它通过从海量数据中检索相关信息，再结合检索内容生成答案，广泛应用于私有知识库的检索场景。
我们使用的GraphRAG 是 RAG 的一种改进版本，它将知识图谱引入检索过程。与传统 RAG 相比，GraphRAG 利用图结构的优势，在以下两方面表现尤为突出：
1.连接分散的信息：GraphRAG 能从分散的数据中发现关联，例如在本例中，它能够将网友的零散评论关联起来，并生成一个全面的答案。
2.总结主题与概念：它能够识别数据集中的关键主题，生成高层次的摘要，帮助快速理解大型文档集合的核心内容和重点。
微软将大语言模型与知识图谱相结合，打造了这项具有高度创新性的技术，为多种产品和应用场景提供了更多可能性。
关于我
持续更新 AIGC 最新行业动态，若希望更好的阅读体验，可移步微信公众号：张XX的AI小站
参考资料
[1] platform-war-public ：
[2] GraphRAG ：