知识图谱 Agent 问答系统 —— 技术方案

状态：已定稿，作为后续开发的唯一权威依据；任何变更需同步更新本文档。最后更新：2026-08-14（与当前 15 类数据模板、两阶段构建器、检索层实现保持一致）

1. 项目概述

将市场部、财务部、人事部、运营部、采购部的业务台账以「项目」为核心联通为知识图谱，通过 LLM Agent 提供自然语言问答，答案必须可溯源到原始数据。

1.1 数据范围与体量（实测）

数据	体量	来源
项目	305（214 服务中已匹配 + 34 服务中未体现 + 57 历史；121 有金蝶编码）	市场部项目梳理表 + 项目管理表 + 业务大表
人员	256~281（工号 KWL 前缀）	人事部考勤/排班表
设备	858	运营部设备台账（青浦工业园区、徐汇环境监测中心）
考勤记录	882（员工×月）	人事部考勤表
排班记录	986（员工×月）	人事部排班文件（48 个组织代码）
财务收费明细	262 行（合同×月）	财务部收费进程表
业务大表（项目扩展）	282 行（121 父项目 + 80 子项目 + 81 服务点）	龚天晓字段补充：业态/区域/合同明细/从属关系
项目档案目录	165 项目目录 / 623 合同期文件夹 / 276 续签衔接	E:\申勤物业项目资料（区域→项目→合同期）
档案文档	4657 文件（PDF 3415 为扫描件需 OCR、Word 684、Excel 88、图片 241）	合同/招标/投标/中标通知书/验收等全生命周期
员工档案	全员花名册（五级公司=项目、岗位名称、职级、司龄、组织）	人事部员工信息.xlsx
岗位编制	项目 × 全岗位编制（预算/项目/标准工时/在岗）	运营部 9-项目岗位编制汇总.xlsx
维保/采购	维保合同台账、耗材汇总、固定资产台账	采购部常用表格
岗位薪资标准	区域 × 岗位税前/税后区间	各管理处岗位薪资1.xlsx（系统侧参考，不进模板）
人员证书	一人多行（华东区域/申勤两 sheet），含工号/职位/专业类别/证书类别/证书名称	合景悠活职称及资格证书管理登记表（2026年第一季度）
数据模板	15 类、每份一个数据表（+填写说明），含必填唯一标识与字段依据	data/templates
测试数据	15 类与模板一一对应（16 项目/34 人员/33 考勤/9 证书等）	data/test_data
时间覆盖	2026-01 ~ 2026-04（科创含 25.12）	—

2. 技术选型

层	选型	说明
环境	uv（pyproject.toml + uv.lock）	Python 3.11+，依赖锁版本
图存储	Neo4j 5+（neo4j://127.0.0.1:7687）	单一全时间图，不做时间切片
LLM	DeepSeek（`deepseek-v4-flash`，OpenAI 兼容）	base_url / key / model 存 `.env`，模型名可配置；SDK：openai
语言	Python 3.14（当前 venv）	pandas / openpyxl / xlrd / neo4j / python-docx / pypdf / openai

3. 总体架构

3.1 数据接入与图谱构建

查看 / 编辑 Mermaid 源码

```mermaid graph TB DMS[DMS 16 个申勤模型] --> FETCH[字段映射/数据拉取] MAN[人工补填清单
data/manual_fill] --> MERGE[按键合并
merge_dms_to_templates] FETCH --> MERGE MERGE --> TPL[15 类模板 Excel] TPL --> CHECK1[字段名写死校验
graph/reader] CHECK1 --> NODES[阶段一：创建全部节点] NODES --> EDGES[阶段二：创建全部关系] EDGES --> CHECK2[引用存在性校验] CHECK2 --> NEO[(Neo4j)] style DMS fill:#ffe8cc,stroke:#d79b00 style FETCH fill:#ffe8cc,stroke:#d79b00 style MAN fill:#ffe8cc,stroke:#d79b00 style MERGE fill:#ffe8cc,stroke:#d79b00 style TPL fill:#d5e8d4,stroke:#82b366 style CHECK1 fill:#d5e8d4,stroke:#82b366 style NODES fill:#d5e8d4,stroke:#82b366 style EDGES fill:#d5e8d4,stroke:#82b366 style CHECK2 fill:#d5e8d4,stroke:#82b366 style NEO fill:#d5e8d4,stroke:#82b366 ```

状态：🟧 橙色 = 规划中（DMS 模型元数据已识别，但数据值拉取脚本、merge_dms_to_templates 合并脚本、人工实际填写补填清单尚未完成）；🟩 绿色 = 已实现（15 类模板与测试数据、 graph/reader 字段名写死校验、两阶段构建、引用存在性校验，测试数据端到端跑通）。

3.2 问答 Agent 流程（LangGraph）

查看 / 编辑 Mermaid 源码

```mermaid graph TB Q([用户问题]) --> N1[① 问题理解
分类+槽位一次LLM] N1 -->|闲聊| N2[闲聊回复] N1 -->|图谱检索| R1[①′ 上下文复用
历史能否直接推导] R1 -->|可复用| N10[⑨ 综合回答 + 溯源] R1 -->|不可复用| N3[② 实体接地] N3 --> C1[③ 能力拓展
问题点×图谱推导] C1 --> CC1[③a 能力拓展检查
规则+LLM 审查] CC1 -->|不合格/带反馈重试| C1 CC1 --> N5{④ 人工确认} N5 -->|否认/修改| N3 N5 -->|确认| N6[⑤ 制定查询计划
含返回字段] N6 --> CP[⑤a 计划确认
人工确认/修改] CP -->|确认| N7[⑥ 执行子查询] CP -->|修改意见| N6 N7 --> RC1[⑥a 执行检查
规则+LLM 审查] RC1 -->|问题/带反馈重规划| N6 RC1 --> N8[⑦ 审查契合度] N8 -->|不契合
迭代≤3| N6 N8 -->|子图过大| N9[⑧ 范围收缩] N9 --> N6 N8 -->|契合| N10[⑨ 综合回答 + 溯源] ```

问答层各节点职责：

编号	节点	输入 → 输出	关键逻辑
①	问题理解 `understand`	用户问题 + 最近对话 → 分类 + 槽位（一次 LLM 调用）	闲聊走 `chat` 结束；图谱检索进入接地；否认确认时携带反馈重新理解
①′	上下文复用 `reuse_check` + `answer_reuse`	当前问题 + 历史轮次 → 能否直接推导	仅在有历史轮次时触发；历史包含全部事实则直接回答（标注"基于前序对话推导"），省去重新检索；缺数据/新实体/新筛选 → 走完整检索
②	实体接地 `ground`	原始槽位 → 接地槽位（锚点→主键/标签/置信度、时间归一化、意图→候选边）	词法精确/包含/相似度 → Qwen3-Embedding 兜底；高置信度替换主键
③	能力拓展 `capability`	问题点 + 元知识图谱结构 → 派生规则（概念/来源字段/表达式/建议参数）	量化条件/未接地实体/筛选值未对齐三类问题点触发；LLM 动态推理换算关系，结果注入计划器
③a	能力拓展检查 `cap_check` + `cap_llm_check`	派生规则 → 检查报告	规则层：表达式可解析/参数与概念一致/表达式引用来源字段；LLM 层仅对未注册新概念审查；不合格带反馈重试（≤3 次）
④	人工确认 `confirm`	接地槽位 → 自然语言确认文案	LangGraph `interrupt` 中断等用户回复；否认带反馈回 ②
⑤	制定计划 `plan`	问题 + 接地槽位 + 元图谱结构 → 查询步骤图（工具/参数/返回字段/依赖）	一次 LLM 调用完成规划+字段规划；必须包含派生换算来源字段；执行层再强制并入兜底
⑤a	计划确认 `confirm_plan`	查询计划表 → 人工确认/修改	首次计划与用户修改后的计划需确认；系统自动重试（执行检查/审查反馈）直接执行不打断；派生参数标注换算来源（如年龄上限 ← 出生日期）
⑥	执行子查询 `run`	步骤图 → 检索子图（每步实参/丢弃参数/Cypher/行数/溯源）	参数别名映射 + 工具签名校验；内置聚合统计 / 缺勤分析；`--debug` 可看实际查询
⑥a	执行检查 `run_check` + `run_llm_check`	子图 → 检查报告	规则层：执行失败/未知工具/参数被丢弃/空结果；LLM 层：结果可信度与问题契合度审查；问题带反馈回 ⑤ 重规划（≤3 次）
⑦	审查契合度 `reflect`	子图 + 接地槽位 → 契合判定	规则前置（子图非空且锚点置信≥0.5 直接契合）→ LLM 审查；不契合回 ⑤（≤3 次）
⑧	范围收缩 `scope`	子图行数 > 30 → 用户选项 → 回 ⑤	`interrupt` 中断；同一问题只询问一次（`scope_offered` 防死循环）
⑨	综合回答 `answer`	检索子图 + 用户问题 + 图谱结构 → 带溯源回答	只依据子图事实，缺失明确说"数据中未找到"

实现：src/knowledge_agent/agent/graph.py（LangGraph 有向图）；scripts/ask.py --debug 可查看每步实际执行的参数与 Cypher（见 6.4）。

4. 知识图谱数据模型

4.1 节点（当前构建器已实现）

节点	来源部门	属性（与模板一致）
项目（枢纽）	市场部	编号* / 名称* / 简称 / 上级项目编号 / 续签前项目编号 / 起止时间 / 省份 / 市（区）/ 细分业态 / 汇总业态 / 委托方式 / 计费方式 / 合同面积 / 合同金额 / 年化合同额 / 合同额具体信息 / 服务期限 / 合同状况 / 首次服务日期 / 年化合同收入 / 客户满意度 / 客户投诉 / 甲方名称 / 项目地址 / 项目负责人 / 项目负责人工号* / 实际毛利率 / 服务状态 / 备注
人员	人事部	姓名* / 工号* / 组织名称 / 岗位名称* / 当前服务项目编号 / 服务起始-结束年月 / 职级 / 员工层级 / 所属组织名称 / 入职-离职日期 / 司龄 / 性别 / 出生日期 / 政治面貌 / 联系电话 / 备注
片区	运营部	片区编号* / 片区名称* / 片区负责人工号*
财务	财务部 + 人事部	财务类型（项目财务/人员财务）/ 年月；项目财务：开票金额、收款金额、口径；人员财务：餐费/加班超时费/国定加班费/值班费/税后工资
投标记录	市场部	项目编号 / 年份 / 投标类型 / 中标结果 / 中标日期 / 投标金额 / 文档路径
岗位编制	运营部	项目编号 / 岗位 / 预算编制 / 项目编制 / 标准工时人数 / 在岗人数
设备	运营部	项目编号* / 设备编号* / 设备类型 / 名称 / 规格型号参数 / 制造厂商 / 安装位置 / 出厂-启用-入项目-退项目日期 / 出厂编号 / 完好状况 / 原值 / 设备责任人工号*
考勤	人事部	工号 / 项目编号 / 年月 / 1-31 日状态 / 上班天数 / 加班小时 / 餐费 / 加班费 / 值班费 / 税后工资
排班月报	人事部	工号 / 项目编号 / 年月 / 1-31 日班次
供应商	采购部	名称 / 编号 / 类别
维保合同	采购部	项目编号 / 名称 / 类别 / 合同年限 / 金额 / 月份或日期
采购记录	采购部	记录类型（耗材采购/固定资产）/ 项目编号 / 名称 / 数量 / 单价 / 金额 / 状态
检查记录	运营部	项目编号 / 检查类型 / 检查日期 / 检查得分 / 问题描述 / 整改情况 / 整改完成日期
证书	人事部	工号 / 证书名称 / 专业类别 / 证书类别（保安员（三级）、高压电工作业、物业管理师等）

规划中（暂未入模板/构建器）：科目余额（财务科目，模板已移出，系统侧扩展）、月度快照（聚合层，后续生成）。

4.2 关系（边）

起点	终点	关系	时间语义	关联键
人员	项目	`服务于`	期间边（开始/结束）	工号 + 项目编号（直接填写 + 考勤/排班连续月份推导）
项目	项目	`包含`	静态层级	上级项目编号（父→子）
项目	项目	`续签自`	续签链	续签前项目编号（新-续签自-旧）
项目	片区	`属于片区`	M:N 静态	项目编号 + 片区编号
片区	人员	`负责人`	静态	片区负责人工号
项目	人员	`负责人`	静态	项目负责人工号
项目	投标记录	`投标`	年份	项目编号 + 年份
投标记录	人员	`经办人`	静态	投标经办人工号
项目	采购记录	`采购`	月份/日期	项目编号
采购记录	供应商	`供应商`	静态	供应商名称
采购记录	人员	`经办人`	静态	经办人工号
项目	维保合同	`维保`	合同期	项目编号
维保合同	供应商	`维保单位`	静态	维保单位名称
维保合同	人员	`经办人`	静态	经办人工号
项目	岗位编制	`编制`	静态/年度	项目编号 + 岗位
人员	考勤	`有考勤`	月事实边	工号 + 年月
考勤	项目	`所属项目`	月事实	项目编号 + 年月
人员	排班月报	`有排班`	月事实边	工号 + 年月
人员	证书	`持有`	静态	工号 + 证书名称（一人多张）
排班月报	项目	`所属项目`	月事实	项目编号 + 年月
项目	财务	`月度财务`	月事实边	项目编号/工号 + 年月
人员	财务	`月度财务`	月事实边	工号 + 年月
财务	人员	`经办人`	静态	财务经办人工号
项目	检查记录	`检查`	检查日期	项目编号
检查记录	人员	`检查人`	静态	检查人工号
设备	项目	`所属项目`	静态/入项目日期	项目编号 + 设备编号
设备	人员	`责任人`	静态	设备责任人工号

4.3 时间建模原则

图只建一份，不按时间切片；时间是关系/事件属性，查询时谓词下推。
期间边（服务于）表达人员跨项目流动：一人多条边，如 KWL2307024 = 赵巷镇政府(2026-01~02) + 青浦-北斗园区(2026-03~04)。
时间段查询用区间相交：开始 <= 目标月 AND 结束 >= 目标月；月度事实用年月相等。
财务节点以 财务类型 + 年月 为时间键；考勤/排班以 工号 + 项目编号 + 年月 为键。
月度快照（规划）是聚合层：时间段汇总先打快照，明细按需下钻，控制检索边界与上下文大小。

4.4 数据对齐规则

项目编号唯一性：项目编号为全局唯一键（模板必填）——续签项目的名称/简称可能相同，但编号一定不同；所有明细表一律以项目编号关联项目，项目名称仅作可读性核对。
工号唯一性：人员以工号（KWL 前缀）为全局唯一键（模板必填）；历史缺工号数据按姓名+项目+月份消歧。
岗位名称规范：人员「岗位名称」与「岗位编制」的岗位用同一套规范名（如保安_领班）；员工层级为岗位所属分类（一线员工/项目管理人员等），由岗位字典映射校验。
当事人必填：凡涉及人的工作记录必须带工号（项目负责人、检查人、投标/采购/财务经办人、设备责任人、片区负责人），保证"每件事都能找到当事人"；构建时校验工号存在于人员主表。
项目-片区（M:N）：一个项目可属于多个片区，经「项目片区关系」表建模，生成 (项目)-[:属于片区]->(片区) 边；片区负责人挂在片区节点上，避免在每个项目行重复填写。
业务大表对齐：业务大表项目名为简称（无金蝶编码），需经别名表映射到市场部主数据；从属关系判定双信号：序号（5 父、5-1 子）+ 委托方式（全委/多项单委/单一单委 = 正式项目行）。
续签链：项目主表"续签前项目编号"填上一期编号生成 续签自 边；档案目录（区域→项目→合同期文件夹）由 scripts/analyze_renewal_folders.py 扫描生成 output/续签链-档案目录.csv 回填，目录编号与金蝶编码存在对应规律（102 → XMSQ0102）。
排班项目归属：文件名分组 + 组织代码 × 考勤交叉比对（43/48 唯一确定）；人事架构表到位后补全。
字段名写死：构建器按模板字段名严格读取，字段名不一致即报"缺少模板必填字段"。
所有节点/边带溯源（来源模板类别 + 文件 + 行号）。

4.5 Neo4j 约束与索引

唯一约束：项目.编号、人员.工号、片区.编号；设备 (项目编号, 设备编号) 节点键。
导入策略：MERGE 幂等，可全量重建；构建分两阶段（先节点后关系），避免顺序依赖。

4.6 数据模板（15 类，每份一个数据表 + 填写说明）

模板	必填列	字段依据
项目信息	项目编号 / 项目名称 / 项目负责人工号	字段依据表标注来源文件+列名；新增融合字段标注"新增（融合）"
项目月度财务	项目编号 / 年月 / 财务经办人工号	同上
投标记录	项目编号 / 年份 / 投标经办人工号	同上
人员信息	姓名 / 工号 / 岗位名称	同上
考勤与人员财务	姓名 / 工号 / 项目编号 / 年月	同上（1-31 日状态代码含义见说明）
排班月报	姓名 / 工号 / 项目编号 / 年月	同上（1-31 日班次代码 + 常用对照见说明）
岗位编制	项目编号 / 岗位	同上
设备信息	项目编号 / 设备编号 / 设备责任人工号	同上
采购与维保	记录类型 / 项目编号 / 经办人工号	同上（供应商/维保合同/耗材采购/固定资产四类共用）
检查记录	项目编号 / 检查人工号	同上
片区信息	片区编号 / 片区名称 / 片区负责人工号	同上
项目片区关系	项目编号 / 片区编号	同上
人员证书	工号 / 证书名称	同上（登记表申勤 sheet 缺工号，需按姓名在花名册补全）

模板生成脚本：scripts/generate_templates.py；字段来源说明由该脚本生成模板时维护。

5. 数据构建管线（graph/ 模块）

5.1 输入

用户提供 13 个文件数组（每类可多份 Excel），如 data/config_example.json： {"项目信息": [文件...], "项目月度财务": [...], ...}；CLI：uv run python scripts/build_graph.py 配置.json [--clear]。

5.2 校验（reader.py）

字段名写死校验：文件必须包含模板必填字段名，缺失即报错；
必填值、日期/年月/金额格式解析（pydantic）；
读取问题逐条记录（类别/文件/行号/原因）。

5.3 构建（builder.py，两阶段）

阶段一：创建全部节点（项目/人员/考勤/排班月报/财务/投标记录/岗位编制/设备/ 供应商/维保合同/采购记录/检查记录/片区），并为节点补 display 显示属性；
阶段二：创建全部关系（含当事人边、服务期直接填写 + 连续月份推导）；
校验：引用存在性（缺项目/人员/片区/经办人/责任人等）→ 警告清单。

5.4 月度快照（规划）

聚合口径：groupby(项目, 年月)，在岗人数 = 当月去重工号数；
财务字段由项目财务节点聚合（开票/收款分存，口径待财务确认）；
全量重算覆盖（规模小，秒级）。

5.5 DMS 数据 → 模板合并（数据接入管线）

最终目标：DMS 已有数据 + 员工人工补填 → 生成 15 类模板样式文件 → 图谱构建。模板字段按来源分三类（见 docs/DMS字段映射_最新范围.md）：

来源类型	含义	处理方式
DMS来源	DMS 模型中有对应字段	系统自动拉取（需有效 token）
源Excel搬运（DMS未建模型）	源 Excel 有、DMS 无模型（考勤/排班/设备/检查/月度财务等）	人工从源文件搬运到模板
新增融合	DMS 与源 Excel 均无，为图谱关联/可读性添加	人工确认填写（工号/项目编号/片区编号等）

人工补填清单：data/manual_fill/DMS补数字段清单.csv （生成脚本 scripts/generate_dms_supplement.py），列出全部需人工补填字段： 51 个源Excel搬运 + 25 个新增融合，逐字段标注来源文件+列、与 DMS 的对齐键、是否必填。

合并流程：

DMS 拉取：按字段映射从 16 个申勤模型（sq_project / sq_employee / shenqin_txb / xzbm / sq_personnel_certificate / sq_position_salary 等）拉取 DMS来源字段； token 过期时需从 DMS 控制台重新复制 vuejs_token（存 .env）。
人工补填：按补填清单分工——源Excel搬运 = 从源文件复制对应列；新增融合 = 人工确认填写。
合并：以各模板「对齐键」（如项目信息=项目编号，考勤=工号+项目编号+年月，设备=项目编号+设备编号）为键， DMS 数据行与人工补填数据行 merge 成完整模板行；键相同则合并，人工列缺失则报错。
校验：复用 graph/reader.py——字段名写死校验、必填校验、引用存在性校验（缺项目/人员/片区/经办人/责任人给出警告清单）。
构建：scripts/build_graph.py 读模板文件 → Neo4j 两阶段构建。

已知数据坑：

考勤「税后工资」源表无列名，赵巷公园等文件月度工资额填在表头为「员工签字」的列（如 4896.25）。
考勤/排班「备注」：考勤来自考勤表「备注」列；排班文件无备注列，为新增融合。
人员「当前服务项目编号」DMS 仅有项目名称(五级公司)，编号需人工映射。
DMS 中无考勤/排班/设备/检查/月度财务模型，这几类几乎全部依赖人工搬运。

6. 检索与问答

6.1 槽位 Schema（已实现：agent/nodes.py fill_slots）

class QuerySlots(BaseModel):
    raw_question: str
    projects: list[str]                    # 原始项目表述
    time_range: TimeRange | None           # 归一化年月范围
    intent: Intent                         # 考勤/排班/收费/设备/服务期/汇总对比/组合
    granularity: Literal["汇总", "明细"]    # 默认 汇总
    filters: dict[str, str]                # 部门/岗位/设备类型等

命名实体走相似度接地；时间走归一化+范围匹配（注入当前日期解析相对时间，图内覆盖 2026-01~04，超出诚实回答）；意图/粒度走模板映射。槽位抽取会带入最近 4 条对话上下文（上下文记忆）；用户在确认环节否认时，反馈会回到槽位抽取重抽。

6.2 实体索引与接地（已实现：retrieval/entity_index.py、grounding.py）

内存索引：项目（编号/简称/名称/地址/甲方）、人员（工号/姓名/岗位）、设备（编号/名称）、片区（编号/名称）；
匹配层级：归一化精确 → 包含 → difflib 编辑相似度；同名续签项目按"服务中"优先；
输出候选 + 置信度（1.0 精确 / 0.75+ 包含 / 模糊），高置信度替换为主键，低置信度返回候选让用户确认；
词法未命中时用 Qwen3-Embedding-0.6B 相似度兜底（top-3，≥0.55 视为命中，低于阈值标 ambiguous）；
接地记录（原词 → 标准属性 → 主键 → 置信度）用于溯源。

概念接地（agent/concepts.py）：实体接地解决"具体名称→节点主键"，概念接地解决 "泛化表述→图谱概念（节点/属性/工具）"。用户问题中的员工/在职年限/人数等表述，经同义词子串精确命中 + embedding 相似度兜底，映射到人员节点/司龄属性/人员工具+count，结果注入计划器提示词（plan 节点的"用户问题概念解析"），避免"用户说法 ≠ 图谱命名" 导致工具选错（如把人数统计选成服务期）。概念与同义词集中维护在 concepts.py，可扩展。

值接地（agent/value_grounding.py）：概念接地管"用户说法→节点/属性/工具"，值接地管 "用户筛选词→字段枚举值"。用户说"管理岗"而图谱岗位名称是"项目经理"，或"保安"对应 "保安_领班/保安_普保"；值接地从图谱加载各字段 distinct 值，先精确/包含匹配，再用 embedding 相似度选 top-k 规范值（ground 节点输出 filters_grounded），计划器用规范值调用工具（人员(岗位=["项目经理",...])），查询工具支持列表参数（IN 匹配）。

派生属性与能力拓展（agent/derived.py + nodes.extend_capability）：图谱只存原始属性（出生日期/项目起止时间），用户问派生概念（年龄/剩余服务期）。两条路径：

快速路径：derived.py 声明式规则（RULES：年龄←出生日期、剩余服务期←项目起止时间），数值条件解析把"50岁以下/3个月内到期/满10年"识别为逻辑参数（年龄上限=50）；
动态路径（能力拓展节点）：检测到问题点无法直接对应图谱节点/属性时，extend_capability 把"问题点 + 元知识图谱结构"交给 LLM，动态推理换算关系，输出概念名/来源字段/表达式/建议参数；计划器据此制定计划，执行层用通用表达式求值器 eval_expr（白名单 AST：today/years_between/ months_between/to_number/replace 与四则运算）在 Python 侧换算过滤。

新派生概念无需预注册：已注册规则只是性能快速路径，未知概念（月均成本、续签次数、人均产值…）由能力拓展节点动态发现；工具与提示词无需逐例修改。

按需返回字段（agent/nodes.py plan_fields + retrieval/templates.py TOOL_FIELDS）：查询工具的 RETURN 字段从写死改为按问题定制——字段规划节点（LLM，需元图谱结构）为每个步骤选择必要字段，减少返回规模。与能力拓展配合：字段规划必须包含派生换算的来源字段（source_fields），且执行层 make_and_run 会强制把派生参数对应的来源字段并入返回列（如年龄←出生日期时"出生日期"必然返回），不依赖 LLM 正确性，避免漏字段。

SCHEMA_TEXT 单一事实源（meta/schema.py）：问答 LLM 看到的节点/关系结构不再手写，由 meta/schema.py 的 ENTITIES/RELATIONS 自动生成（未入图实体用 active=False 过滤）。工具清单、派生清单、字段清单均挂接同一来源，改图谱模型只改 meta，问答提示词自动同步。 数据时间覆盖动态化：SCHEMA_TEXT 每次问答动态组装，年月覆盖从图谱实时统计（考勤节点 min/max 年月，TTL 缓存 60s，Neo4j 不可用时回退静态默认值），图谱重建到新月份后计划器自动感知，不再写死。

能力拓展触发泛化（nodes._capability_trigger）：不再只限量化条件，三类问题点都会触发能力拓展：① 量化条件（50岁以下/3个月内/满10年，纯时间如"3月"不触发）；② 未接地实体（锚点未能匹配图谱节点）；③ 筛选值未对齐（filters 值接地低置信/ambiguous）。

6.3 查询模板工具集（已实现：retrieval/templates.py）

工具	输入	输出
`query_attendance`	项目编号/年月/工号	考勤记录 + 溯源
`query_schedule`	项目编号/年月	排班月报 + 溯源
`query_finance`	项目编号/年月/财务类型	项目/人员财务 + 溯源
`query_equipment`	项目编号/设备类型	设备台账 + 溯源
`query_service_period`	工号/项目编号	服务期边记录
`query_project_children`	项目编号	从属子项目
`query_project_renewals`	项目编号	续签链
`query_certificates`	工号/项目编号/专业类别	持证记录

内置汇总工具（非图谱查询，由执行节点计算）：聚合统计（sum/avg/count/max/min）、 缺勤分析（服务期在册 vs 考勤出勤，输出在册/考勤/缺勤人数 + 人员明细）、 项目缺口分析（服务中但无人员服务记录的项目）、交集分析（跨步骤按条件过滤后取关键字段交集，如连续N个月都有加班 = 查N个月考勤 + 行过滤平时加班>0 + 工号交集）。时间谓词在 Cypher 内下推；输出结构化结果 + 来源说明；每次执行回传实际 Cypher 与参数（QueryResult.query/query_params），供 --debug 输出。

6.4 Agent 编排（已实现：agent/graph.py Plan→Run→Reflect）

Plan：LLM 依据用户问题 + 接地槽位 + 元图谱结构（SCHEMA_TEXT）拆解子查询，选择工具、定执行顺序与依赖（depends），参数用接地后的主键（项目编号/工号/年月）；
Execute（run）：解析步骤间 $ 引用 → 参数别名映射（项目编号→project_code 等） → 校验工具签名，记录 实参（executed_params）/ 被丢弃参数（dropped_params） （被丢弃即字段名不匹配，可直接暴露检索问题）→ 执行并回传 Cypher/参数/行数/溯源；
Reflect：规则前置——子图非空且锚点全部高置信度接地（≥0.5）直接判契合，避免无谓循环；否则 LLM 审查（锚点/时间/意图覆盖、空结果区分"参数错"与"数据没有"、是否需聚合）；迭代 ≤3 轮，超限诚实作答；
双层检查（能力拓展 + 执行）：每个环节先规则检查（表达式可解析/字段引用/参数一致性；执行失败/丢弃参数/空结果），再 LLM 语义审查（换算关系与参数方向、结果可信度与问题契合度），不合格带反馈回对应环节重试（capability/plan，各 ≤3 次），报告写入 state 并可在 CLI 输出看到；
范围收缩：子图行数 > 30 时经 scope 中断给用户选项，选择后回计划重查（同一问题只询问一次，scope_offered 防死循环）；
只读保障：所有问答 LLM 提示词注入 SYSTEM_SAFETY（禁止修改图谱数据）；
防重试风暴：SCHEMA_TEXT 注入数据时间覆盖（2026-01~04），计划器不会凭空生成覆盖外年份；空参数（项目编号/工号空串）禁止；执行 LLM 审查对"数据确实没有/覆盖外"判 ok 诚实回答，只有明确可修复错误才触发重规划，避免 0 行结果引发多轮 LLM 重试循环；
调试：scripts/ask.py --debug 输出每步实参/丢弃参数/Cypher/参数/首行，状态全程记录 trace（classify/slots/ground/plan/run/reflect/answer 各节点日志）。

6.5 人工确认与上下文记忆（已实现：human-in-the-loop）

槽位确认节点：接地后把查询意图翻译回自然语言（意图/对象/时间/筛选/粒度），通过 LangGraph interrupt 中断等用户确认；否认时带用户反馈回到槽位填充重抽；
计划确认节点：计划器生成查询计划表（步骤/工具/参数/依赖）后 interrupt 打印给用户，确认后执行；用户可直接说修改意见（"去掉第2步""改用项目列表工具"），反馈回计划器重规划；派生参数会标注换算来源（"年龄上限=50（年龄由出生日期换算）"），中间换算逻辑由计划器/能力拓展器内部消化，不暴露为多步；系统自动重试（执行检查/审查反馈）不再打断用户，只在首次计划与用户主动修改后确认，避免重复确认；
范围收缩节点：Reflect 检测到子图行数 > 30 时，中断给用户选项（只看某项目 / 按岗位筛选 / 汇总口径 / 继续返回全部），选择后回到计划节点重查；同一问题只询问一次（scope_offered 防死循环）；
上下文记忆：LangGraph checkpointer（thread_id）+ messages 历史，支持多轮（如"改成4月""换成税务局"）；槽位抽取会带入最近对话上下文；
上下文复用：多轮中当前问题若可由历史轮次直接推导（如上一轮已列出各月考勤，这轮问"连续三个月都有加班的人"），reuse_check 判定可复用后由 answer_reuse 直接回答（标注"基于前序对话推导"），不重复检索，省 2~3 次 LLM 调用与全部查询；历史数据不足或涉及新实体/时间/筛选时回退完整检索；
CLI：uv run python scripts/ask.py 交互模式；--auto 自动确认（批处理/评测用）； --debug 显示每步实际执行的实参/丢弃参数/Cypher/首行（检索字段名排查）。

6.6 回答与溯源规范

回答使用图内标准名称（如 "青浦-区图书馆（XMSQ0102）"）；
每个事实标注来源（模板类别 + 文件 + 行号）；无法回答时明说原因。

6.7 API 服务（FastAPI，src/knowledge_agent/api.py）

启动：uv run python -m knowledge_agent.api（默认 127.0.0.1:8000）。

接口	说明
`POST /ask`	body `{thread_id, query, auto_confirm}`；`graph.astream` 异步收集后返回完整结果；遇人工确认时按 `auto_confirm` 自动确认或返回 `need_confirm`
`POST /ask/stream`	SSE：`event: progress`（节点级进度，answer 节点带答案）、`event: confirm`、`event: done`（完整结果）
`POST /threads/{id}/resume`	body `{reply}`；恢复被中断会话（确认或修改意见），再次中断则返回 `need_confirm`
`GET /threads/{id}/history`	返回该会话的 rounds（问题/实体/回答）与 messages

设计要点：

底层流式：agent/llm.py 的 chat_json/chat_text 全部用 llm.stream() 收集（无 invoke），预留 on_chunk 回调，后续可升级为 token 级透传；
全异步 astream：/ask 与 /ask/stream 共用 _astream_run 事件流（节点级进度 + interrupt 循环）， resume 走 _astream_resume，同一套逻辑，无 invoke/stream 双实现；
并发：全局共享一个 compiled graph + InMemorySaver，状态按 thread_id 隔离， FastAPI async + graph.astream 天然支持多请求并发；
上下文记忆：仍为内存（InMemorySaver），后续持久化/图数据库化时替换 api.py 的 checkpointer 初始化与 ask.py 的 _make_checkpointer() 即可。

7. 代码结构

knowledge_agent/
├── pyproject.toml / uv.lock
├── .env                     # NEO4J_* / DEEPSEEK_*（不入库）
├── docs/技术方案.md
├── data/
│   ├── templates/           # 15 类单表模板（+填写说明）
│   ├── test_data/           # 与模板一一对应的测试数据
│   ├── manual_fill/         # 人工补填清单（DMS 无模型字段的填写任务）
│   └── config_example.json  # 15 类文件数组示例配置
├── src/knowledge_agent/
│   ├── config.py
│   ├── meta/                # 元知识图谱（schema/builder/render）
│   ├── graph/               # 全量图谱构建：schemas/reader/builder/pipeline
│   ├── retrieval/           # 实体索引/接地/模板工具集（已实现）
│   └── agent/               # LangGraph：分类/槽位/接地/确认/计划/执行/审查/范围/问答
├── scripts/
│   ├── generate_templates.py / generate_test_data.py
│   ├── generate_dms_supplement.py                      # DMS 补数字段清单
│   ├── export_meta_schema.py                           # 元知识图谱 JSON 导出
│   ├── build_graph.py       # CLI 图谱构建
│   ├── test_retrieval.py    # 检索层冒烟测试
│   ├── ask.py               # 交互式问答 CLI（含确认/范围收缩）
│   └── analyze_*.py         # 档案/排班归属等分析
└── output/                  # 生成物（续签链清单等，gitignore）

8. 实施计划与状态

阶段	内容	状态
P0 数据准备	项目别名表、组织代码映射、档案目录续签链、口径清单	部分完成（续签链/排班归属分析脚本就绪）
P1 全量图谱	15 类模板解析 + 两阶段构建 + 校验 + CLI	✅ 已实现，测试数据端到端跑通
P2 实体索引	内存索引 + 分层匹配 + 置信度 + 服务中优先	✅ 已实现
P3 模板工具集	查询函数 + 聚合统计/缺勤分析 + LLM 槽位抽取（DeepSeek JSON）	✅ 已实现（6.1-6.3）
P4 Agent 检索	Plan/Execute/Reflect + trace + 槽位确认/范围收缩/上下文记忆 + --debug	✅ 已实现（CLI 交互 + --auto/--debug）
P5 接口评测	CLI→API、评测集（20-30 题：正确率/溯源率/空答率）	待做
P6 安全与权限	权限检查接线、敏感字段脱敏、审计日志、API 认证与限流	部分就绪（见第 11 章）

9. 已确认的默认决策

模板结构：15 类、每份一个数据表（避免多 sheet 跨表填写）；关联用项目编号/工号必填；
当事人必填：项目负责人、检查人、投标/采购/财务经办人、设备责任人、片区负责人均需工号；
岗位名称与岗位编制统一规范名；员工层级为分类（岗位字典映射校验）；
财务口径：开票/收款分字段存储，口径待财务确认；
工单/维保图片：本阶段不 OCR 入库（后续扩展）；
问答入口：先 CLI，后续 FastAPI；
优先场景：排班考勤 + 收费汇总，验证后扩展设备/满意度等；
排班归属：考勤交叉比对推断，人事架构表到位后补全；
字段名写死：实际数据严格按模板字段填写，构建器严格校验。

10. 数据质量风险与应对

风险	应对
项目名写法不统一/续签同名	项目编号唯一键 + 别名表 + 接地"服务中优先"
人员重名	工号唯一键 + 当事人工号必填
岗位名称不统一	与岗位编制统一规范名 + 岗位字典校验
排班组织代码归属推断误差	按月细分 + 架构表补全；低置信度询问
财务口径不确定	开票/收款分字段存储并标注
模板字段名与数据不一致	字段名写死校验，缺失即报错
引用工号/编号不存在	构建后引用存在性校验 + 警告清单
图片数据未入库	该域问题明确回答"数据未入库"

11. 安全与权限方案

本方案独立成章，后续新增安全处理统一在此登记，并在 11.2 威胁表中补一行、在 11.5 扩展清单中补一项。每项安全控制必须标注状态：✅ 已实现 / 🟡 待接线（代码或配置已就绪，未接入流程）/ ⬜ 规划中。

11.1 安全原则

只读优先：问答阶段图谱只读；任何数据修改只能通过专门的权限流程（当前仅图谱构建阶段可写）。
最小权限：按「角色 × 意图」授权，默认拒绝（guest 仅开放考勤/排班）；敏感意图单独管控。
数据分级：工资、联系方式、政治面貌等敏感字段按角色脱敏，默认不对外输出。
全程可审计：问题 → 槽位 → 接地 → 计划 → 子图 → 回答全链路留痕，可回放、可追责。
凭据不入库：Neo4j / DeepSeek / DMS 凭据走环境变量（.env），不入代码、不进仓库。

11.2 威胁模型与防护目标

威胁	场景	防护措施	状态
数据篡改	用户诱导 LLM 修改/删除图谱数据	SYSTEM_SAFETY 注入所有问答提示词 + Neo4j 只读账号（规划）	✅ / ⬜
越权查询	staff 查询工资、收费数据	权限矩阵拦截（permission_check 节点）+ 敏感字段脱敏	🟡
敏感信息泄露	回答中出现税后工资/电话/政治面貌/身份证	敏感意图 + 敏感字段双级脱敏	🟡
提示词注入	用户输入试图覆盖系统指令	系统提示词边界 + 输入规范化 + 输出校验（规划）	⬜
幻觉/错误回答	LLM 编造图谱外数据	answer 只依据检索子图 + 溯源 + 缺失明说"数据中未找到"	✅
凭据泄露	.env / DMS token 进入仓库或日志	gitignore + 环境变量 + token 轮换（DMS token 待移入 .env）	🟡
接口滥用	高频调用刷接口、恶意批量查询	API 认证（JWT）+ 限流/配额（规划）	⬜

11.3 已实现的安全控制（✅）

只读保障（SYSTEM_SAFETY）
- 位置：src/knowledge_agent/agent/llm.py；
- 机制：chat_json / chat_text 对所有问答 LLM 调用自动拼接安全约束，禁止修改/写入/删除图谱或业务数据；
- 覆盖：分类、槽位、计划、审查、回答、闲聊全部节点。
溯源与诚实回答
- 位置：agent/nodes.py answer 节点；
- 机制：回答只依据检索子图事实，缺失明确说"数据中未找到"，金额带单位、人名/项目用标准名称。
凭据管理
- 位置：.env（gitignore 排除）+ src/knowledge_agent/config.py；
- 机制：Neo4j / DeepSeek 连接信息从环境变量读取；.env.example 仅含占位值。

11.4 权限模型（🟡 数据就绪，待接线）

配置文件：data/permissions.json（角色、用户、敏感项，JSON 便于后续接入 API 时按请求携带权限）。

角色 × 意图矩阵：

角色	考勤	排班	设备	服务期/从属/续签	证书	收费	工资
admin	✅	✅	✅	✅	✅	✅	✅
manager	✅	✅	✅	✅	✅	✅	✅
staff	✅	✅	✅	✅	✅	❌	❌
guest（默认）	✅	✅	❌	❌	❌	❌	❌

sensitive_intents：收费、工资（命中即需权限校验）；
sensitive_fields：税后工资、加班超时费/国定加班费/值班费、餐费、联系电话、政治面貌、身份证号码等（无权限时从结果中剔除）。

待接线内容：

permission_check / denied 节点已定义（agent/nodes.py），尚未挂入 LangGraph 图；
计划接线位置：confirm 节点之后、plan 之前（意图级拦截）；
PermissionManager.strip_sensitive 在 answer 前对检索子图执行字段脱敏；
user_id 传递链：CLI --user → API 化后由调用方从 token 解析传入。

11.5 安全增强扩展清单（后续新增在此登记）

编号	项目	目标	位置	状态
S-1	权限检查接入图	意图级授权拦截，未授权返回明确拒绝信息	`graph.py` + `nodes.permission_check/denied`	🟡
S-2	敏感字段脱敏接线	无收费/工资权限的角色看不到敏感金额与个人信息	`nodes.answer` 前调用 `strip_sensitive`	🟡
S-3	审计日志	每次问答落盘（thread/问题/槽位/接地/计划/子图/回答/耗时/提问人），支持回放与追责	`scripts/ask.py` / API 层 + `output/audit/`	⬜
S-4	输入安全	防提示词注入：输入规范化、恶意指令检测、系统提示词边界强化	`agent/llm.py` + 输入预处理	⬜
S-5	输出安全	回答后校验：不输出敏感字段、不产生"已修改/已删除"类误导	`nodes.answer` 后处理	⬜
S-6	Neo4j 只读账号	问答用只读凭据，构建用写凭据，账号级隔离写权限	`.env` + `config.py` + `retrieval/templates.py`	⬜
S-7	DMS token 管理	把硬编码 token 移入 `.env`，到期提醒/自动刷新	`scripts/generate_dms_supplement.py`	🟡
S-8	API 认证与限流	FastAPI + JWT，`user_id` 从 token 取；角色映射；限流/配额	API 层（规划）	⬜
S-9	敏感字段清单维护	集中维护敏感字段/意图，增删一处生效	`data/permissions.json`	✅

11.6 安全相关文件

文件	作用
`data/permissions.json`	权限配置：角色/用户/敏感意图/敏感字段
`src/knowledge_agent/agent/permissions.py`	PermissionManager：角色解析、意图校验、字段脱敏
`src/knowledge_agent/agent/llm.py`	SYSTEM_SAFETY 只读约束
`src/knowledge_agent/agent/nodes.py`	permission_check / denied 节点（待接线）
`.env` / `.env.example`	凭据（Neo4j / DeepSeek / 后续 DMS token）
`scripts/generate_dms_supplement.py`	DMS 补数字段清单生成（token 待移入 .env）

技术方案.md 44 KB Histórico Em bruto