【2025最新】windows本地部署LightRAG，完成neo4j知识图谱保存
之前在服务器部署neo4j失败，无奈只能在本地部署，导致后期所有使用的知识图谱数据都存在本地，这里为了节省时间，先在本地安装LigthRAG完成整个实验流程，后续在学习各种服务器部署和端口调用。从基础和简单的部分先做起来吧。
1.安装下载
1.去github下载模型到本地，git clone https://github.com/HKUDS/LightRAG
用idea打开，pycharm新建一个虚拟解释器环境，和其他环境隔开，它的python是基于本地的python来的，左下方红色的报错环境不为空，去删除下就可以了
2.选择刚刚创建好的虚拟环境，右下角会变
3.cd 到LightRAG文件夹
cd LightRAG
pip install -e .
接下来开始正式使用，教程如下：
如何快速部署和运行lightRag(轻量版的GraphRag), 并且进行知识图谱的可视化。_哔哩哔哩_bilibili
4.这里我打算基于LLM的现有接口来做，防止部署大模型的麻烦，所以我们打开如下demo
2.选择所需要的抽取知识图谱的模型
这里我换一下模型接口：
把所示部分换成我的deepseek-v3，我用的是下面这个平台，注册之后就能获取同款deepseek的满血接口和网页版了，花点小钱，但是解决了官网deepseek经常不回复的问题：
Deepseek PPIO算力云https://ppinfra.com/user/register?invited_by=R8Z3RZ注册后访问这里就可以对话式体验（包括可以做一些参数调整）通过上述链接加入记得50元token可通过API开发式 + 网页对话等方式，在体验满血版R1服务（也有其他多种版本），邀请朋友加入，再增 5000 万token！使用教程：用这个版本deepseek/deepseek-r1，别用community,r1和v3必须充钱，送的token可以抵扣一部分，但不能全部抵扣，但是充钱后速度确实又恢复丝滑了，换成下面这样，apikey从我充钱那个网站那里获取
这里的嵌入模型和视频截图用到的一样，因为它免费，申请个api-key就可以用了。注意它使用的embeding是1024维度。获取链接如下：硅基流动用户系统，统一登录 SSO
所以下面的维度也要改下参数，改成1024维度
这里注意一下新的url跟之前官网给的不一样
’
3.导入需要处理的文档，开始抽取
准备一个测试文档：我从一个医学网站上爬取的关于阿尔兹海默的专业版介绍，存入txt
withopen的路径改成我们所需要的测试文档路径
针对文档修改下待会要测试RAG的问题
直接运行这个代码应该就行了
这个错误是因为在 Python 字符串中，反斜杠\\在默认情况下被视为转义字符。在你的文件路径字符串中，\\U被 Python 解释器识别为一个无效的转义序列，因为它后面没有跟着 8 个十六进制数字（\\U用于表示 4 字节的 Unicode 字符），从而导致了SyntaxError错误。
在字符串前面加上r前缀，将其声明为原始字符串，这样 Python 就不会对反斜杠进行转义处理。：
with open(r\"E:\\UMLS\\research\\research1\\LightRAG-main\\myCode\\testLightRAG.txt\", \"r\", encoding=\"utf-8\") as f:
4.效果展示及RAG函数调用
运行完以后可以看见RAG的效果已经出来了：
下面分析一下这些检索结果
/n————————————————————naive模式的输出————————————/n阿尔茨海默病（Alzheimer\'s Disease）是一种进行性神经认知疾病，是导致痴呆的最常见原因，占老年痴呆病例的60%至80%。该病的特点是大脑皮层和皮层下灰质中出现β-淀粉样蛋白沉积和神经原纤维缠结，导致认知功能的逐渐恶化。### 病因与风险因素大多数阿尔茨海默病病例为散发型，晚发型（≥65岁），病因不明，但年龄是最强的风险预测因素。约5%至15%的病例为家族遗传型，其中一半为早发型（<65岁），与特定基因突变密切相关。已知至少有5个基因位点与该病的发生和发展有关，包括淀粉样蛋白前体基因和早老蛋白基因的突变。此外，载脂蛋白E（apo E）等位基因也影响患病风险，尤其是ε-4等位基因显著增加患病风险。血管危险因素如高血压、糖尿病、血脂异常和吸烟也会增加阿尔茨海默病的风险。积极治疗这些危险因素可以降低老年认知障碍的风险。### 病理生理学阿尔茨海默病的两个主要病理特征是细胞外β-淀粉样蛋白沉积（老年斑）和细胞内神经原纤维缠结（双螺旋丝）。这些病理变化导致突触和神经元的损失，进而引起大脑特定区域的严重萎缩，通常始于颞叶。淀粉样蛋白假说认为，β-淀粉样蛋白的渐进累积触发神经元死亡和突触缺失，最终导致痴呆症状。### 症状与体征阿尔茨海默病的首发症状通常是短期记忆丧失，如重复提问或忘记约会。其他认知功能缺陷包括推理能力损害、语言功能障碍和视觉空间功能障碍。病情进展缓慢，但可能在一段时间内保持稳定。行为异常如漫无目的的闲逛和激动也较为常见。### 诊断阿尔茨海默病的诊断基于临床评估，包括精神状态检查、病史和体格检查、实验室检查和神经影像学检查。尽管有特定的实验室和影像学特征，但最终诊断仍需通过脑组织的组织学评估。2011年美国国家老化研究所-阿尔茨海默病协会的诊断指南还包括了生物标志物的使用，如脑脊液中β-淀粉样蛋白水平低和PET成像中的β-淀粉样蛋白沉积。### 治疗治疗主要是支持性的，包括安全和支持措施、胆碱酯酶抑制剂和美金刚的使用。环境应明亮、愉快和熟悉，以增强患者的定向力。护理者的支持也非常重要，因为他们可能承受巨大的压力。### 预后与预防阿尔茨海默病是一种进行性疾病，目前尚无治愈方法。积极管理血管危险因素可能有助于降低患病风险。### 参考文献1. [DC] unknown_source: Alzheimer\'s Association: 2022 Alzheimer\'s Disease Facts and Figures. Alzheimers Dement 18 (4):700–789, 2022. doi: 10.1002/alz.126382. [DC] unknown_source: Kinney JW, Bemiller SM, Murtishaw AS, et al: Inflammation as a central mechanism in Alzheimer\'s disease. Alzheimers Dement (NY) 4:575–590, 2018. doi: 10.1016/j.trci.2018.06.0143. [DC] unknown_source: González A, Calfío C, Churruca M, Maccioni RB: Alzheimers Res Ther 14 (1):56, 2022. doi: 10.1186/s13195-022-00996-84. [DC] unknown_source: Jack CR Jr, Albert MS, Knopman DS, et al: Introduction to the revised criteria for the diagnosis of Alzheimer’s disease: National Institute on Aging and Alzheimer\'s Association workgroups. Alzheimers Dement 7 (3):257–262, 2011. doi: 10.1016/j.jalz.2011.03.0045. [DC] unknown_source: McKhann GM, Knopman DS, Chertkow H, et al: The diagnosis of dementia due to Alzheimer\'s disease: Recommendations from the National Institute on Aging-Alzheimer\'s Association workgroups on diagnostic guidelines for Alzheimer\'s disease. Alzheimers Dement 7 (3):263–269, 2011. doi: 10.1016/j.jalz.2011.03.005/n————————————————————local模式的输出————————————/n阿尔茨海默病是一种常见的痴呆症，大多数病例是零散的，年龄是其最大的风险因素。它与其他类型的痴呆症，如血管性痴呆和路易体痴呆，在病因和治疗方法上有所不同，尽管它们的症状可能相似。### 预防措施以下措施可以帮助降低阿尔茨海默病的发病风险：- **智力活动**：如学习新技能或做数独。- **身体锻炼**：有规律的身体锻炼对预防阿尔茨海默病非常重要。- **控制高血压**和**降低胆固醇水平**：这些健康管理措施有助于降低发病风险。- **饮食调整**：增加富含ω-3脂肪酸的食物，减少饱和脂肪酸的摄入。- **适量饮酒**：少量饮酒可能降低风险，但不建议不饮酒者开始饮酒。一旦痴呆发生，建议戒酒。### 治疗在晚期阿尔茨海默病中，**姑息治疗**可能比激进疗法或住院治疗更为可取。### 诊断与支持**Alzheimer\'s Association**提供了关于阿尔茨海默病的诊断工具、研究支持和信息资源，有助于早期诊断和获取相关信息。### 关键点- 阿尔茨海默病大多数病例是零散的，年龄是最大的风险因素。- 与其他痴呆症的区分可能困难，但通常可通过临床标准进行区分，诊断准确性可达85%。### References- [KG] unknown_source- [KG] unknown_source- [KG] unknown_source- [KG] unknown_source- [KG] unknown_source/n————————————————————global模式的输出————————————/n阿尔茨海默病（Alzheimer\'s disease）是一种常见的痴呆症，大多数病例是零散的，年龄是其最大的风险因素。这种疾病的预防措施包括智力活动、身体锻炼、控制血压和胆固醇水平等。以下是一些关键点：### 预防措施1. **智力活动**：如学习新技能或做数独，可以降低阿尔茨海默病的发病风险。2. **身体锻炼**：有规律的身体锻炼是预防阿尔茨海默病的重要措施之一。3. **饮食调整**：减少饱和脂肪酸的摄入，增加富含ω-3脂肪酸的食物，有助于降低风险。4. **健康管理**：控制高血压和降低胆固醇水平也是预防阿尔茨海默病的关键因素。5. **饮酒**：少量饮酒可能降低阿尔茨海默病的风险，但不建议不饮酒者开始饮酒。一旦痴呆发生，建议戒酒。### 诊断与治疗阿尔茨海默病的诊断可能与其他类型的痴呆症（如血管性痴呆和路易体痴呆）有所混淆，但通常可以通过临床标准进行区分，诊断准确性可达85%。在晚期阿尔茨海默病中，姑息治疗可能比激进疗法或住院治疗更为可取。### 资源支持Alzheimer\'s Association 是一个提供阿尔茨海默病诊断工具、研究支持和信息的网站，可以帮助患者和家属获取更多资源和信息。### References1. [KG] unknown_source2. [KG] unknown_source3. [KG] unknown_source/n————————————————————hybrid模式的输出————————————/n阿尔茨海默病（阿尔兹海默症）是一种常见的痴呆症，大多数病例是零散的，年龄是其最大的风险因素。以下是关于阿尔茨海默病的一些关键信息：### 预防措施1. **智力活动**：如学习新技能或做数独，可以降低发病风险。2. **身体锻炼**：有规律的身体锻炼是预防阿尔茨海默病的重要措施之一。3. **控制高血压**：降低高血压有助于减少发病风险。4. **降低胆固醇水平**：保持健康的胆固醇水平有助于预防阿尔茨海默病。5. **饮食调整**：富含ω-3脂肪酸、少含饱和脂肪酸的食物有助于降低风险。6. **饮酒**：少量饮酒可能降低风险，但不建议不饮酒者开始饮酒。一旦痴呆发生，建议戒酒。### 与其他痴呆症的区别阿尔茨海默病与血管性痴呆和路易体痴呆是不同类型的痴呆症，尽管症状相似，但病因和治疗方法有所不同。### 晚期治疗在晚期阿尔茨海默病中，姑息治疗可能比激进疗法或住院治疗更为可取。### 资源支持Alzheimer\'s Association 提供关于阿尔茨海默病的诊断工具、研究支持和信息资源。### 关键点- 大多数阿尔茨海默病病例是零散的，年龄是最大的风险因素。- 区分阿尔茨海默病和其他原因引起的痴呆（如血管性痴呆、路易体痴呆）可能困难，但通常可使用临床标准区分，诊断准确性达85%。### References1. [KG] unknown_source2. [KG] unknown_source3. [KG] unknown_source4. [KG] unknown_source5. [KG] unknown_source
5.可视化抽取到的知识图谱
运行之后会在example里生成/dickens文件夹，生成这个运行过程中生成的一些过程文件，如果运行正确，会生成如下文件（包含知识图谱的边，节点等内容），根据所至py文件运行一下，生成可视化：
运行可视化相关的py文件之后，
按照之前代码的逻辑，运行后会在当前工作目录生成knowledge_graph.html文件，你可以通过以下方式查看可视化效果：
- 文件资源管理器：打开文件资源管理器，导航到运行代码时所在的目录（根据代码中
net.show(\"knowledge_graph.html\")，推测是E:\\UMLS\\research\\research1\\LightRAG-main\\examples目录）。找到knowledge_graph.html文件，双击打开它，浏览器会加载并展示可视化的图形。 
这个目录可以看生成的实体和关系，我第一次运行没抽取出来，应该是文档模型抽风了，再运行一次就好啦
知识图谱的效果如下：
6.导入neo4j，本地化存储知识图谱
接下来研究下怎么把LightRAG生成的图谱存入neo4j，方便后续使用
neo4j中我已经提前存过其它知识图谱了，我想在不干扰原图谱的情况下，把新图谱存入已有的database，方法就是在节点和关系上都打上特殊的标签，查询和使用的时候带上标签就行，因此，我要对demo里的example进行以下修改，代码如下：
import osimport jsonfrom lightrag.utils import xml_to_jsonfrom neo4j import GraphDatabaseWORKING_DIR = \"./dickens\"BATCH_SIZE_NODES = 500BATCH_SIZE_EDGES = 100NEO4J_URI = \"bolt://localhost:7687\"NEO4J_USERNAME = \"neo4j\"NEO4J_PASSWORD = \"\"def convert_xml_to_json(xml_path, output_path): if not os.path.exists(xml_path): print(f\"Error: File not found - {xml_path}\") return None json_data = xml_to_json(xml_path) if json_data: with open(output_path, \"w\", encoding=\"utf-8\") as f: json.dump(json_data, f, ensure_ascii=False, indent=2) print(f\"JSON file created: {output_path}\") return json_data else: print(\"Failed to create JSON data\") return Nonedef process_in_batches(tx, query, data, batch_size): for i in range(0, len(data), batch_size): batch = data[i: i + batch_size] print(f\"[INFO] Inserting batch {i // batch_size + 1} with {len(batch)} items...\") tx.run(query, {\"items\": batch})def main(): xml_file = os.path.join(WORKING_DIR, \"graph_chunk_entity_relation.graphml\") json_file = os.path.join(WORKING_DIR, \"graph_data.json\") json_data = convert_xml_to_json(xml_file, json_file) if json_data is None: return nodes = json_data.get(\"nodes\", []) edges = json_data.get(\"edges\", []) print(f\"[INFO] Total nodes found: {len(nodes)}\") print(f\"[INFO] Total edges found: {len(edges)}\") if len(nodes) == 0 and len(edges) == 0: print(\"[ERROR] No nodes or edges found!\") return # 自动创建所有节点属性 create_nodes_query = \"\"\" UNWIND $items AS node MERGE (e:Entity {id: node.id}) SET e += node WITH e, node CALL apoc.create.addLabels(e, [\'med_network\', node.entity_type]) YIELD node AS labeledNode RETURN count(*) \"\"\" # 自动创建所有边属性 create_edges_query = \"\"\" UNWIND $items AS edge MERGE (source:Entity {id: edge.source}) MERGE (target:Entity {id: edge.target}) WITH source, target, edge, \'med_network_\' + REPLACE(SPLIT(edge.keywords, \',\')[0], \'\\\"\', \'\') AS relType CALL apoc.create.relationship(source, relType, edge, target) YIELD rel RETURN count(*) \"\"\" driver = GraphDatabase.driver(NEO4J_URI, auth=(NEO4J_USERNAME, NEO4J_PASSWORD)) try: with driver.session(database=\"umls\") as session: print(\"[INFO] Inserting nodes...\") session.execute_write(process_in_batches, create_nodes_query, nodes, BATCH_SIZE_NODES) print(\"[INFO] Inserting edges...\") session.execute_write(process_in_batches, create_edges_query, edges, BATCH_SIZE_EDGES) print(\"[SUCCESS] med_network knowledge graph inserted with full attributes!\") except Exception as e: print(f\"[ERROR] Neo4j execution error: {e}\") finally: driver.close()if __name__ == \"__main__\": main()
效果如下，不知道为啥插入还有中英文的版本，但我的原文档没有英文：
MATCH (a:med_network)-[r]->(b:med_network) RETURN a,r,b
这里给出清除neo4j的代码
import osfrom neo4j import GraphDatabase# Neo4j connection configNEO4J_URI = \"bolt://localhost:7687\"NEO4J_USERNAME = \"neo4j\"NEO4J_PASSWORD = \"xxxx\" # 替换为你的密码# 删除 med_network 图谱中所有关系delete_edges_query = \"\"\"MATCH ()-[r]->()WHERE type(r) STARTS WITH \'med_network_\'DELETE r\"\"\"# 删除 med_network 图谱中所有节点（没有关系的前提下）delete_nodes_query = \"\"\"MATCH (n:med_network)DELETE n\"\"\"def delete_knowledge_graph(): driver = GraphDatabase.driver(NEO4J_URI, auth=(NEO4J_USERNAME, NEO4J_PASSWORD)) try: with driver.session(database=\"umls\") as session: # 指定数据库 print(\"[INFO] Deleting edges...\") session.run(delete_edges_query) print(\"[INFO] Edges deleted successfully!\") print(\"[INFO] Deleting nodes...\") session.run(delete_nodes_query) print(\"[INFO] Nodes deleted successfully!\") print(\"[SUCCESS] med_network knowledge graph cleared!\") except Exception as e: print(f\"[ERROR] Neo4j execution error: {e}\") finally: driver.close()if __name__ == \"__main__\": delete_knowledge_graph()
7.问题思考与研究
下面是大模型对于存在英文抽取的解释：
这个现象其实是 LightRAG 知识图谱构建逻辑的必然结果，核心原因是 ——
LightRAG 的知识抽取模型（特别是 Entity 和 Relation 的抽取）默认是使用英文基础模型或者英文优先的多语言模型，它并不完全区分输入文本的语言。
具体机制
LightRAG 的流程大致是：
-
输入文档（不管是中文/英文）
-
切分句子 -> 分词 -> 实体识别（NER）-> 关系抽取（RE）
-
将识别到的 Entity / Relation 存入 Neo4j 等图数据库
-
Entity 和 Relation 的命名依赖：
-
文本中出现的原文
-
模型内置的英文知识库（Embedding / LLM 检索补全）
-
Tokenizer（很多是英文分词器）
-
-
最终生成的三元组：
mathematica
复制编辑
(中文Entity, 英文Relation, 中文Entity) (英文Entity, 英文Relation, 英文Entity) (中文Entity, 中文Relation, 英文Entity)
这种混合非常常见。
为什么中文文档中会混入英文 Entity/Relation？
cause_of、located_in、treats举个例子
输入中文：
阿尔茨海默病 是一种 神经系统疾病
LightRAG 知识图谱输出：
css
复制编辑
(:Entity {id: \'阿尔茨海默病\'}) -[:type_of]-> (:Entity {id: \'neuro disease\'})
原因是：
-
type_of来自内置 relation schema -
neuro disease是模型自动 linking 到医学知识库的英文 entry
如何避免这种情况？
方法一：定制 relation schema
-
全部中文定义 relation
-
代码中指定：
python
复制编辑
relation_schema = { \'属于\': \'type_of\', \'位于\': \'located_in\', \'导致\': \'cause_of\', ... }
抽取后强制替换 relation 名称。
方法二：禁用 entity linking
-
不让模型自动 link 英文知识
-
保留原文 entity
-
只做中文实体 + 中文关系
缺点：丧失一部分跨语言知识补全能力
方法三：自定义抽取模型
-
用中文NER + 中文RE
-
推荐：
-
中文版 Bert-NER
-
中文版 CasRel / TPLinker
-
-
Huggingface 已有很多中文版本
方法四：抽取后做一遍 entity normalize
-
自定义 entity normalization 映射表
-
将所有英文 entity 替换回中文
最推荐的方案
结论
你现在看到的中英文混杂，是 LightRAG 知识抽取模型为了增强知识丰富度，主动做的 linking 行为 —— 但可以通过定制 relation schema、entity normalize 或自定义模型来控制。
其它：
词嵌入模型，如果要用LightRAG处理的原文档是中文的，可以去魔塔下载bge-large-zh-v1.5
了解一下LightRAG
知识图谱抽取过程）（是用提前写好的大模型提示词封装好之后完成的）
学习资料来自下方博主：基于知识图谱做rag Lightrag中实体关系的提取及图谱的生成_哔哩哔哩_bilibili
抽取的内容不仅有实体、关系、还有关系强度。其中节点和关系都有一个描述，当再次抽取到类似实体和关系时，知识图谱的节点和边不会更新，但是他们的描述会更新
5.怎么运行
需要三个主要部分：调用处理大模型、调用嵌入模型，运行lightRAG的主代码（标志是会执行rag.insert（f.aread这一句）
第一部分 配置大模型和嵌入模型的代码长下面这样，这里的模型是调接口获得的，应该是阿里云的智谱平台
主代码如下：
运行主函数后，就会从ainsert进行文档处理，分块，分布抽取等过程，关系和实体都处理完之后会做向量化保存
接着用大模型进行去重，判断实体等是否相同dakda\'k，
