1.2 核心概念与关键特性

1.2 核心概念与关键特性

三个词先认全，后面才不晕

读 Cognee 的代码，你会反复撞见实体、关系、属性这三个词。它们不是营销话术，而是图谱里真实的三种对象。这一节站在第一章概念层，替你把这些词钉死，等你进到第四章写 cognify 时就能对号入座。

• 实体（Entity）：世界里一个可被指称的东西，比如"张三""量子计算""北京"。在图里它是一个节点。
• 关系（Relation）：连接两个实体的语义箭头，比如"张三—任职于—某公司"。在图里它是一条有方向的边。
• 属性（Property）：挂在实体或关系上的附加信息，比如"某公司—成立年份—2015"。它让节点不只是个名字，而是带元数据的对象。

三元组是图的原子

图谱里最小的信息单元是三元组（主语，谓语，宾语）。上面那句"张三任职于某公司"拆开就是：(张三, 任职于, 某公司)。Cognee 让 LLM 把文本压成一组三元组，再批量写图。下面这段代码用 Cognee 的思路演示一次抽取结果的结构。

# 假设模型从一段简历里抽出了如下三元组
triples = [
    ("张三", "任职于", "云图科技"),
    ("云图科技", "位于", "北京"),
    ("张三", "擅长", "知识图谱"),
    ("知识图谱", "属于", "人工智能领域"),
]
# Cognee 内部会把这些三元组映射成图节点与边
for subj, pred, obj in triples:
    print(f"节点[{subj}] --{pred}--> 节点[{obj}]")
# 节点[知识图谱] --属于--> 节点[人工智能领域]
​

跑这段代码你会看到，原本一段自然语言，被拆成了四个可遍历的跳跃。这正是图谱相对扁平向量的优势：多跳问题变成了在图上走几步。

认知流水线（Pipeline）

Cognee 把"摄入→抽取→建图→索引"封装成一条流水线。默认流水线够用，但你也可以像拼积木一样换掉某一环。下图展示了默认流水线的四个阶段，以及每阶段产出的中间物。

关键特性逐条说

我们挑几个真正影响你写代码的特性讲，不堆列表：

1. 多源摄入：PDF、Markdown、网页、对话记录都能 add，Cognee 在摄入阶段做格式归一。
2. 图库可换：底层图数据库可在 Neo4j、Memgraph 等之间切换，上层 API 不变。
3. 混合检索：搜索时既向量召回又图遍历，避免"语义相近但答非所问"。
4. 可追溯：每条三元组带 source 字段指回原文坐标。

案例：用默认流水线建一份技术文档的图

背景：团队有一份 30 页的《知识图谱技术白皮书》，希望之后能用自然语言提问其内部概念。

操作：只调两行就启动默认流水线。

import cognee
await cognee.add("知识图谱技术白皮书.pdf")
await cognee.cognify()   # 默认流水线：抽取+建图+索引
# [索引] 向量索引完成，图索引完成
​

结果：图谱里出现了"知识图谱—依赖—图数据库""实体—组成—三元组"等关系，可以沿关系查概念层次。

解读：你没写一行抽取逻辑，Cognee 用内置提示模板完成了三元组生成。这是它"认知流水线"开箱即用的体现，但模板是通用的，专有领域可能需要第四章讲的自定义。

变式：若白皮书更新到第 31 页，再次 add 同一文件，Cognee 按内容指纹判断增量，只处理变更段落，不会全量重建——这也是流水线分阶段的好处。

一个深坑：三元组不是越多越好

新手容易以为"抽得越细、三元组越多，图就越聪明"。事实相反：噪声三元组会污染检索，让正确答案被无关边稀释。类比到生物——突触不是越多越聪明，错误的连接反而导致误判。质量重于数量，这一条在建图全程都成立。

下面用一段对比说明"粗粒度干净图"和"细粒度噪声图"在检索时的差异：

# 同一段文本两种抽取策略的后果（示意）
clean = [("张三", "任职于", "云图科技")]          # 干净：1 条有用边
noisy = [("张三", "任职于", "云图科技"),
         ("张三", "出现在段落", "第3段"),          # 噪声边
         ("云图科技", "在文档中", "被提及")]        # 噪声边

# 检索"张三在哪上班"时，noisy 图要先过滤掉两条无关节系
​

可以看到，噪声边不会增加信息，只增加检索时的干扰。Cognee 默认抽取已经做了基础过滤，但你在第四章做自定义抽取时务必守住"只留语义关系"的纪律。

⚠️ 自定义抽取模板时，别把"段落位置""出现次数"这类版面信息写成关系——它们是属性或元数据，不是语义边。

💡 衡量图质量的笨办法：随机抽 20 条边，看有几条是人话里真存在的关素。低于八成，先回头治抽取。

一个对照练习：用图回答"为什么"

光理解概念不够，关键是体会到"关系"带来的新能力。试一个对照：同一份简历，向量库只能答"提到过哪些公司"，图能答"张三为什么和北京产生关联"。差异就在三元组把"任职于""位于"连成了链。

⚠️ 别把"概念懂了"当成"会用"。真正掌握是能举出三个只能用图答、向量库答不了的问题。

💡 学概念时随手画一张小图（纸笔也行）：实体当圈，关系当箭头，画完你对三元组的理解会扎实很多。

本节要点回顾

• 实体、关系、属性是图谱三要素，三元组是最小信息单元。
• 认知流水线把建图拆成四阶段，每阶段可独立重跑。
• 多源摄入、图库可换、混合检索、可追溯是四个落地特性。

⚠️ 三元组质量直接取决于抽取用的 LLM。用太小的模型，关系会大量丢失或错连，不要盲目追求低成本。

💡 先用默认流水线跑通，确认图谱结构符合预期，再考虑替换某一阶段的模型或模板。