2.3 认知处理与推理模型

2.3 认知处理与推理模型

检索时图上发生了什么

前面说了 Cognee 产图，但图怎么帮回答？这一节讲清"图谱增强检索"在查询那一刻的运行机制：它不是把图当摆设，而是让图参与排序和补全。

核心机制是图遍历补全——向量召回一个种子实体后，沿关系走一两跳，把邻居也拉进上下文。这样答"张明的上司的上司是谁"，不需要文档里明写，图上一走就有。

向量召回 + 图遍历的融合

纯向量检索给出"语义相近的片段"；图遍历给出"关系相连的事实"。Cognee 把两者融合：先用问题向量召回最相关的实体作为种子，再沿边扩展邻居，最后一并送进 LLM 生成答案。

多跳推理胜过单跳相似

为什么图遍历能答多跳？看代码：给定"张明的上司"，沿边再走一跳就能拿到"上司的上司"。向量库做不到这点，因为它不知道"上司"是个可继续走的边。

# 2.3 认知处理与推理模型
def multi_hop(start, relation, hops=2):
    results = []
    cur = [start]
    for _ in range(hops):
        nxt = []
        for node in cur:
            # 沿指定关系走一跳
            nxt.extend(graph.neighbors(node, relation))
        results.extend(nxt)
        cur = nxt
    return results

print(multi_hop("张明", "上司", hops=2))
# ['部门经理', '总监']   # 张明的上司的上司
​

这不是玄学，就是图的邻接遍历。代价是图质量要好——关系抽错了，走出来的就是错的邻居。所以第四章建图时的抽取质量直接影响这里的推理上限。

认知推理的边界

我们要诚实：图遍历能处理"显式关系链"，但处理不了需要世界知识的隐含推理。比如"公司营收下降可能预示裁员"，这种靠常识的推断，图给不了，还得靠 LLM 自身。Cognee 的定位是把可结构化的关系显式化，不是替模型思考。

案例：组织架构的多跳问答

背景：HR 系统里存着汇报关系，员工想问"我的二级上级是谁"。

操作：把组织架构文档建图，再沿"上司"边走两跳。

import cognee
await cognee.add("组织架构.md")
await cognee.cognify()
ans = await cognee.search("张明的二级上级是谁")
print(ans)
#   'answer':'韩梅','source':'组织架构.md#p1'}]
​

结果：答案是一条可验证路径，而不是模型猜的名字。

解读：向量库会把"张明""李雷""韩梅"三人的介绍分别召回，模型得自己拼关系，容易拼错。图谱直接给出路径，确定性高。

变式：若组织调整，李雷换汇报对象，把新架构 add 后图更新边，二级上级的答案随即变化，无需改查询代码——图结构变了，查询逻辑不变。

一个精度旋钮：图遍历走几跳

图遍历补全能答多跳，但跳数不是越多越好。走一跳覆盖直接邻居，走三跳可能把八竿子打不着的实体拉进上下文，反而稀释答案。类比到物理——测量精度有最佳量程，量程外误差反而大。实务里一跳到两跳是甜区，三跳以上要加关系类型过滤。

# 控制遍历深度的示意（思想）
def traverse(seed, max_hops=2, allowed=None):
    frontier = {seed}
    for _ in range(max_hops):
        nxt = set()
        for node in frontier:
            for (rel, nb) in edges_of(node):
                if allowed is None or rel in allowed:   # 只走允许的关系
                    nxt.add(nb)
        frontier |= nxt
    return frontier
​

Cognee 的 search 内部已经做了融合与截断，但你可以通过关系类型白名单进一步收敛，避免无关边污染。

⚠️ 别默认开最大跳数"让模型自己挑"——跳得越远，上下文中无关实体越多，token 和幻觉都涨。

💡 多跳问答调参先看"答案是否依赖第三跳"，不需要就关掉，省下的上下文给真正相关的邻居。

一个对比：图增强 vs 纯向量，差在哪题

不是所有题图增强都赢。纯语义、单跳的"这段话讲了啥"向量库更顺；关系明确、需跨实体的"谁的上司的上司是谁"图才显优势。把两类题分开看，能避免"上了图反而更慢"的错觉——是题没选对，不是图不行。

⚠️ 别用纯摘要题去测图增强的效——那种题图本就不擅长，测出劣势是预期内的。

💡 上线前把真实问题标类型，统计两类题各自的命中率，图增强的价值用多跳题说话才公平。

一个度量：多跳收益用"省下的阅读量"算

图增强值不值，可量化：原本要读五篇文档才能拼出的答案，现在一问即得，省下的就是价值。把"省阅读量"当指标，比"答得妙"实在，也方便向老板汇报投入产出。

⚠️ 别用"模型幻觉少"当唯一卖点——可追溯才是图增强区别于纯生成的核心，幻觉少是副产品。

💡 选几个真实多跳问题，记优化前需读几篇、优化后几秒，数字最有说服力。

推理质量的下游：实体消歧与关系方向

图遍历答得准不准，前提是同一个实体只有一个节点。「张明」「张先生」「Zhang Ming」若被抽成三个节点，多跳路径就断在歧义上。Cognee 在抽取后做实体消歧：按名称、别名、上下文把指向同一对象的节点合并；关系按有向边存储并标注方向语义——「上司」与「下属」方向相反，遍历时走错方向答案就反了。实践上维护一份领域别名表（如工号映射姓名），能显著提高合并准确率。这是把「关系抽取对了」推向「检索真能用」的最后一公里，第四章建图时的实体归一化配置也在这里起作用。

本节要点回顾

• 图谱增强检索 = 向量播种 + 图遍历扩展邻居 + 融合送 LLM。
• 多跳问题靠图的邻接遍历解决，向量库天然短板在此。
• Cognee 显式化可结构化关系，不替代 LLM 的常识推理。

⚠️ 图遍历的可靠性上限定于抽取质量。关系抽错，多跳走得越远错得越离谱。

💡 若发现多跳答案离谱，先回建模层查关系对不对，而不是怀疑遍历算法。