knowledge-graph-kit 0.1.0

知识图谱构建管线：文本分块、LLM抽取、实体解析、Neo4j写入

knowledge-graph-kit

知识图谱构建管线：从教材文本中抽取实体和关系，写入 Neo4j 图数据库。

安装

pip install knowledge-graph-kit

环境变量

变量	说明	默认值
OPENAI_API_KEY	OpenAI API 密钥	—
OPENAI_BASE_URL	OpenAI API 地址（可换兼容 API）	—
LLM_MODEL_NAME	模型名称	gpt-4o-mini
NEO4J_URI	Neo4j 连接地址	bolt://localhost:7687
NEO4J_USERNAME	Neo4j 用户名	neo4j
NEO4J_PASSWORD	Neo4j 密码	12345678

在项目根目录创建 .env 文件即可自动加载，或直接在 shell 中设置。

CLI 命令

安装后提供 4 个命令行工具：

1. 文本分块

kg-chunker <txt_path>

按章节标题将教材文本拆分为语义块。

2. 实体关系抽取

kg-extractor <txt_path>

基于本体 schema 引导 LLM 抽取实体和关系，输出 extraction_result.json。

可通过 KG_SCHEMA_PATH 环境变量指定自定义 ontology 文件。

3. 实体解析去重

kg-resolver <input.json>

精确/模糊去重实体，清理属性，更新关系引用，输出 extraction_result_clean.json。

4. 写入 Neo4j

kg-neo4j-writer [input.json]

将清洗后的结果写入 Neo4j 图数据库。默认尝试读取 extraction_result_clean.json 或 extraction_result.json。

程序化使用

from knowledge_graph_kit import chunk_file, Neo4jWriter

# 文本分块
chunks = chunk_file("教材.txt")

# 配置 OpenAI
from knowledge_graph_kit.extractor import configure
configure(api_key="sk-xxx", model="gpt-4o")

# 写入 Neo4j
writer = Neo4jWriter(
    uri="bolt://localhost:7687",
    user="neo4j",
    password="your-password",
)
writer.write_entities(entities)
writer.write_relations(relations)
writer.close()

管线流程

txt 文件 → 分块(chunker) → LLM抽取(extractor) → 实体解析(resolver) → Neo4j写入(writer)

License

MIT