P6 图检索增强（Graph RAG）问答 Agent 验证报告

日期: 2026-08-11 · 脚本: wiki/tools/wiki_agent.py（复用区块链 wiki_agent.py，按 AI 域适配）
图谱: tools/output/kg.db（10,399 节点 / 2,965 边）· 向量: AI研究wiki-vectordb（26,484 块）

一、架构：检索双路 + LLM 合成

问题 ─→ ①实体识别(长→短贪心子串 + 赛道别名) ─→ ②图谱证据(1-2 hop) ┐
                                                     ├─→ ③LLM 合成(带证据链答案)
问题 ─→ ②'向量召回(bge-small 语义 top-k) ─────────┘

图路：kg.db 实体邻域，关系按价值排序（属于公司/创始人/投资方 > 关联/叙事），赛道命中走头部项目榜单而非原始灌边
文路：向量库语义召回原文块，提供原文证据
合成：deepseek-chat，temperature 0.2，要求标证据来源、区分事实/推断、矛盾如实说明
省钱模式：--no-llm 只看证据不调 LLM

二、适配点（相对区块链版）

维度	区块链版	AI 版
向量库	双索引(articles+extract)	单索引（`wiki_search.load()` 3 元组）
实体类型	project/chain/sector/institution	project/model/company/person/product/organization/narrative/event/sector（无 chain）
关系	含「部署在」	含「属于公司/公司关联/产品关联/叙事关联」，无「部署在」
赛道别名	英文实体←中文别名	中文全称←中文简称（算力→AI算力/数据基建）
噪音实体	区块链/Web3/代币…	AI/人工智能/智能体/大模型（连接度≤1，无害）
证据排序	无	关系价值优先级（新增：归属/创始人/投资前置，防截断）

三、验证查询（5 条，覆盖 4 个分支）

1. 机构分支「a16z 主要投了哪些赛道」✅

实体识别 a16z (organization)；图谱证据 = 赛道分布（AI算力/数据基建、具身/机器人、基础模型、AI音频/视频/内容各 2）+ 投资对象 6 条（ElevenLabs/Hedra/Labelbox/Ambient/Doppel/SSI）
与 P1 融资全景、P4 交叉验证（a16z 从模型到语音到应用全线布局）一致

2. 赛道分支「AI Agent 赛道有哪些头部项目」✅

实体识别 AI Agent (narrative,model,sector,product,project) 多类型 → sector 分支
头部项目榜单：OpenClaw、OpenAI、Anthropic、Hermes、NVIDIA、钉钉、Questflow、nunu.ai、Teneo Protocol、Databricks、Olas、Plastic Labs、iAgent Protocol、Hermes Agent、Fazeshift
与 P4 图谱研究焦点（OpenClaw 连接度最高）吻合

3. 公司分支「Anthropic 发布了哪些模型」✅（含一次修复）

初始：Anthropic 61 条 1-hop 关系挤爆证据，24 条 模型 --属于公司--> Anthropic 归属全被截断
修复：按关系价值排序（属于公司=0 > 公司关联=8），归属全部前置
结果：Claude/Claude Code/Claude Opus 4.1/Claude 3.5 Sonnet/Claude Agent SDK/Managed Agents 等 24 条模型归属进入证据

4. LLM 合成「a16z 在 AI 赛道的投资布局如何」✅

按赛道拆解（内容生成 ElevenLabs/Hedra、数据算力 Labelbox/Ambient、具身 Doppel）+ ATOMS 17 亿美元最大单笔
标注证据来源、区分推断与事实、诚实声明"未提供总投资金额/轮次分布"覆盖有限

5. LLM 合成「OpenClaw 是什么」✅（含诚实矛盾声明）

定义/特征/发展历程（Clawdbot→Moltbot→OpenClaw，Peter Steinberger 创建，GitHub 6.8 万星）/仿品生态（EasyClaw 等）/安全关注
主动识别图谱误抽：OpenClaw --属于公司--> Anthropic/GitHub/OpenAI/腾讯 与原文"社区驱动、非所有权"矛盾，明确建议以原文为准——图谱 RAG 对噪声的正确处理行为

四、已知局限（诚实声明）

多类型实体噪声：AI Agent 同时是 sector/project/narrative/model/product，命中时非赛道关系（AI Agent --属于公司--> 微软 等概念级误抽）也会进证据，靠 LLM 判断过滤
图谱 L1 误抽透传：OpenClaw 属于公司→Anthropic 等错误 triple 会作为证据进入，Agent 能识别明显矛盾，但个别漏网错误可能被采信——读答案时以原文证据为准
证据上限：图路截断 60 条、文路默认 5 条；实体关系 >60 时低价值关系被裁（已用优先级缓解）
向量去重按文件名：同名不同目录文件会被合并（AI wiki 已扁平化，影响小）

五、结论

Graph RAG 问答链 5 条验证全部达标：机构/赛道/公司/人物四个问答分支证据正确，LLM 合成带证据链、区分事实推断、诚实声明覆盖有限。核心问答价值（模型归属、赛道头部、投资布局）均与 P1/P4 独立交叉印证。P6 Agent 完成，P0-P6 全流程闭环。