query-knowledge-graph

name: query_knowledge_graph description: 在对话的知识图谱中查询信息。支持多种查询模式：naive（简单查询）、local（本地图谱查询）、global（全局查询）、mix（混合查询）。

知识图谱查询工具

用途

当用户询问与上传文档相关的问题时，使用此工具从知识图谱中检索相关信息。

触发条件

当用户表达以下意图时，应该使用此工具：

• 询问文档内容："文档里说了什么？"、"关于 XX 的内容是什么？"
• 查找特定信息："谁是作者？"、"这个概念的定义是什么？"
• 需要基于文档回答问题时

参数说明

查询模式详解

1. naive - 简单查询

• 原理: 直接检索相关文本块（Chunk-based）
• 适用场景: 简单的事实性问题，如"XX 是什么？"

2. local - 本地图谱查询

• 原理: 基于实体和关系的图遍历
• 适用场景: 查询实体之间的关系，如"A 和 B 有什么关系？"

3. global - 全局查询

• 原理: 综合整个文档的高层次摘要
• 适用场景: 需要全局视角的问题，如"这篇论文的主要贡献是什么？"

4. mix - 混合查询 (默认)

• 原理: 结合 local 和 global 的结果
• 适用场景: 大多数通用问题
• 推荐: 不确定时使用此模式

使用规则

1. 默认使用 mix 模式

除非用户有特定需求，否则默认使用 mix 模式。

2. 处理无文档情况

如果对话中没有文档，工具会返回 status: "info"，此时应使用通用知识回答。

3. 引用来源

查询结果中的 file_id 和 page_index 用于引用标注，格式：[[file_id|page_index]]

示例

示例 1: 通用问题

用户: "这篇文档讲了什么？" 调用: query_knowledge_graph({"query": "这篇文档的主要内容和主题", "mode": "mix"})

示例 2: 实体关系查询

用户: "神经网络和深度学习有什么关系？" 调用: query_knowledge_graph({"query": "神经网络与深度学习的关系", "mode": "local"})

返回格式

{
  "status": "success",
  "message": "查询完成（模式: mix），找到 5 个实体，3 个关系，2 个文本块",
  "result": "格式化的查询结果文本",
  "raw_data": {
    "entities": [...],
    "relationships": [...],
    "chunks": [...]
  },
  "mode": "mix",
  "query": "原始查询文本"
}