SI_KG_2026_PlanningLaw/dofile/graphrag_pipeline/PROJECT_STATUS.md

项目实现状态

已完成工作 ✅

1. 项目基础架构

• ✅ 使用uv进行项目管理和依赖管理
• ✅ 完整的项目目录结构
• ✅ 配置文件（pyproject.toml, .env.example）
• ✅ README和项目文档

2. 文本预处理模块 (src/preprocessing/)

• ✅ TextProcessor: HanLP集成，支持分词、依存句法、句法成分分析
• ✅ DocumentParser: Word文档解析（.docx），支持章节结构识别
• ✅ TextUnit切分功能（参考GraphRAG）

3. 本体模型定义 (src/ontology/)

• ✅ 实体类型定义: 9种实体类型（对应论文Table 1）
• ✅ 关系类型定义: 8种关系类型（对应论文Table 2）
• ✅ 三维本体结构: 法规层级—要素类型—关联关系
• ✅ 四要素架构: 目标—原则—要素—管控
• ✅ OntologySchema: 本体模式管理和验证

4. Prompt模板系统 (src/prompts/)

• ✅ PromptTemplate: 统一模板框架，实现五个模块：
  • 任务描述（系统消息+用户消息）
  • 候选目标
  • 任务示例（少样本学习）
  • 任务强调
  • 二次对话
• ✅ NERPromptBuilder: NER任务Prompt构建
• ✅ REPromptBuilder: RE任务Prompt构建

5. LLM客户端封装 (src/utils/llm_client.py)

• ✅ 支持多个LLM提供商：
  • OpenAI (GPT-4o)
  • Anthropic (Claude)
  • 阿里云Qwen
  • 字节跳动Doubao
  • 智谱GLM
• ✅ 统一API接口
• ✅ 异步/同步支持
• ✅ 重试机制（tenacity）

6. 知识抽取模块 (src/extraction/)

• ✅ NERExtractor: 使用Qwen-Max进行实体识别，支持两阶段对话验证
• ✅ REExtractor: 多模型并行关系抽取框架
• ✅ TripletEvaluator: LLM-as-a-Judge评估框架
• ✅ EntityRelationClassifier: RAG-based分类框架

7. 知识图谱构建 (src/kg_builder/)

• ✅ GraphIndexer: 索引器框架（参考GraphRAG）
  • 文本切分
  • 实体提取
  • 图构建
  • 社区检测（待完善）
  • 摘要生成（待完善）
• ✅ KnowledgeGraph: 图谱结构管理（NetworkX）

8. 分析和推理模块 (src/analysis/)

• ✅ LegalStructureExtractor: 法理结构提取（四要素识别、跨法规引用）
• ✅ LegalReasoner: 逻辑推理（路径查询、中心性分析）
• ✅ EvolutionAnalyzer: 演化规律分析框架

9. 查询系统 (src/query/)

• ✅ GlobalSearcher: 全局搜索框架（参考GraphRAG）
• ✅ LocalSearcher: 局部搜索框架
• ✅ DriftSearcher: DRIFT搜索框架

10. 工具脚本

• ✅ scripts/extract.py: 知识抽取示例脚本

待完善功能 ⚠️

高优先级

1. 三元组评估算法实现 (src/extraction/evaluator.py)

   • 成对排序逻辑
   • 五维度评分（语义准确性、一致性、事实性、准确性、可理解性）
   • 评分聚合和筛选

2. RAG-based分类实现 (src/extraction/classifier.py)

   • 向量嵌入（使用Text-embedding-3-large）
   • 向量数据库（相似度检索）
   • 分类逻辑完善

3. 知识图谱构建完整实现 (src/kg_builder/indexer.py)

   • 完整的三元组提取流程
   • 社区检测（Leiden算法，需要igraph）
   • 社区摘要生成（使用LLM）

4. RE提取器完善 (src/extraction/re.py)

   • 句法信息集成
   • 上下文信息利用
   • 省略成分补全逻辑

中优先级

5. 查询系统实现 (src/query/)

   • 全局搜索：利用社区摘要
   • 局部搜索：邻居扩展算法
   • DRIFT搜索：社区上下文整合

6. 演化规律分析 (src/analysis/evolution.py)

   • 时间序列分析
   • 关系演化追踪
   • 网络演化分析

低优先级

7. 共指消解完善 (src/preprocessing/text_processor.py)
8. 性能优化和缓存机制
9. 可视化工具
10. 单元测试和集成测试

使用说明

环境设置

cd dofile
uv sync
source .venv/bin/activate  # 或 .venv\Scripts\activate (Windows)

配置API密钥

复制.env.example到.env，填入相应的API密钥。

运行示例

# 实体识别
uv run python scripts/extract.py --input ../data/1法律/3-中华人民共和国城乡规划法.docx --output ./output/entities.json

参考资源

• GraphRAG文档: https://msdocs.cn/graphrag/
• 论文: officefile/paper.tex
• 数据目录: ../data/

技术债务

1. 错误处理和日志记录需要更完善
2. 需要添加配置文件验证
3. 异步处理可以进一步优化
4. 需要添加单元测试
5. 文档需要补充更多示例