由于第三周周末有点事，没能在第三周结束的时候写总结，正好第三周和第四周干的活也类似，所以把这两周合到一块写了。根据任务安排，以及出于拓宽知识面考虑，我又开始研究知识库了，虽然是基于开源框架LightRAG做的，不过也是学到了很多知识库相关的知识。

💡 本周关键词：#知识库搭建 #模型部署

1. 本周成就

• 搭建LightRAG知识库：为了便于迁移，采用docker的方式搭建了LightRAG知识库，以及与之配套的minio、milvus、neo4j的docker
  • 通过修改LightRAG的.env文件，配置其数据库连接、LLM连接（三个模型的接口、超时）以及知识图谱解析时的实体节点标签，从而实现对知识数据的向量化入库、建立知识图谱
  • 注意如果使用docker compose启动容器，需要配置多个容器之间的网络连接情况，否则可能无法互通，如果不指定网络的话，会自动启动一个服务名-default的网络，可能会导致这个容器无法被连通
• 部署Reranker模型服务：
  • Qwen3-Reranker-8B模型
  • Jetson AGX Orin平台PyTorch镜像安装，启动镜像时如果要用gpu，需要加上--runtime=nvidia参数
  • 基于torch和transformers库运行大模型
  • 基于FastAPI和uvicorn的模型后端服务
  • 调整模型服务接口，使其与LightRAG的reranker接口对齐，成功调用自定义模型服务
  • 详细可见Qwen3-Reranker模型在Jetson AGX Orin上python部署 – Pipe
• 个人成长：每周坚持锻炼了 5 天。
• 其他：
  • 3.15听了陈粒的演唱会，胡彦斌做嘉宾出场，骑车从凤凰山回来，爬了一个特别长的坡，怀疑就是凤凰山
  • 看完了怪奇物语第五季，意犹未尽，亨利孤独的悲剧人生和威尔形成鲜明对比
  • 激光点了10个扁平疣，恢复的还可以，基本上看不出来了
  • 3.18开始阅读《席德梅尔的回忆录：我的计算机游戏人生》

2. 本周学到了什么

• 学习知识图谱基础知识：
  • 知识图谱 = 节点(实体) + 边(关系) + 属性(特征) + 本体(规则)
  • 实体：知识图谱中最基本的单元，代表现实世界或概念世界中可独立标识的对象
  • 关系：表示两个实体之间的语义连接，是有方向的谓词
    • 三元组表示：<头实体, 关系, 尾实体>，如<中国, 首都, 北京>
    • 方向性：关系通常有方向，A→B ≠ B→A
    • 非对称性：多数关系不可逆，”父亲”≠”儿子”
    • 传递性：部分关系可传递，A在B中，B在C中 → A在C中
    • 多值性：一个实体可有多条同类型关系
  • 标签：对实体或关系进行分类的元信息，用于区分不同类别的对象，可用于检索过滤、推理约束等
  • 属性：附加在实体或关系上的键值对信息，用于描述其具体特征
    • 属性类似于编程中的类属性
    • 关系也可以有属性（称为”重化” Reification）
    • 如果某个”特征”本身是一个需要进一步描述的实体，应该用关系而非属性，如特斯拉.总部 = "奥斯汀"（属性）改为：特斯拉 →[总部位于]→ 奥斯汀市（关系，可继续查奥斯汀的详情）
  • 三元组：知识图谱表示知识的最小原子单元
    • (“马斯克”, “创立”, “特斯拉”),(“特斯拉”, “生产”, “Model 3”),(“Model 3”, “类型”, “电动汽车”)
  • 本体：知识图谱的模式层（Schema），定义概念体系、属性约束和推理规则
    • 定义了”世界里有哪些概念、这些概念有什么特征、概念之间如何关联、以及能推导出什么新知识”
    • 在 LightRAG 等现代系统中，本体不必追求学术级的形式化完备，而应聚焦：
      • 够用：覆盖核心业务概念和关系
      • 可行：支持 LLM 稳定抽取和向量检索
      • 可演：支持业务变化时的平滑迭代
• 学习LightRAG查询原理：
  • 向量库独立存储，与图谱解耦，支持快速语义检索
  • Naive 模式（纯向量检索）：查询 → 向量嵌入 → Chunk向量库相似度匹配 → Top-K文本块 → LLM生成，对延迟敏感的应用
  • Local 模式（实体描述 + 直接关系）：查询 → 提取局部关键词 → 实体向量库匹配 → 图谱一跳邻居遍历 → 融合细节信息，查询具体人物/产品/事件细节
  • Global 模式（主题聚类 + 关系摘要）：查询 → 提取全局关键词 → 关系向量库匹配 → 多跳关系聚合 → 主题摘要生成，分析行业趋势、概念关系
  • Hybrid 模式（双层融合，默认推荐）：查询 → 并行执行 local + global 检索 → 信息去重融合 → 重排序 → LLM生成，日常问答、简单查询
  • Mix 模式（三层增强，精度优先）：查询 → hybrid 检索 + naive 向量补充 → 三层信息融合 → 高级重排序 → LLM生成，关键业务决策支持
• 学习LightRAG构建知识图谱基础：
  • 结构化提取将非结构化文档转化为”实体-关系”图谱：原始文档 → 预处理 → 分块 → LLM提取 → 图谱构建 → 双库存储 → 索引完成
  • 重叠窗口：相邻 chunk 保留 128 token 重叠，避免实体/关系被切割
  • LightRAG 使用结构化 prompt 引导 LLM 输出标准化格式：
    • 实体：(“entity”{delim}<名称>{delim}<类型>{delim}<描述>)
    • 关系：(“relationship”{delim}<源实体>{delim}<目标实体>{delim}<关系描述>{delim}<关系关键词>{delim}<关系强度>)
    • 主题：(“content_keywords”{delim}<关键词列表>)
• docker compose简单使用：Docker Compose 是用于定义和运行多容器 Docker 应用程序的工具。通过一个 YAML 文件，可以配置所有服务，然后用一条命令启动整个栈
  • Compose 会自动创建一个默认网络，服务可以通过服务名互相访问，即服务名替代ip
  • docker compose up：创建并启动容器，-d后台运行
  • docker compose down：停止并删除容器
  • docker compose ps：查看运行状态
  • docker compose exec：进行服务容器
  • docker compose logs：查看服务日志

3. 踩坑与解决方案

问题描述	原因分析	解决方案	避免策略
联想问天服务器插了网线后连不上，ping不通	1. 服务器没开机 2. IP地址不在同一个网段 3. 服务器网口插错了 4. 交换机网口插错了	首先检查服务器是否开机；然后检查服务器的网口插队没有，如果插到了管理口上，会导致连不上，应该插到其他网口（在PCIe槽上的网口）；然后检查交换机分组是否插对。	服务器注意是否有多个网口

6. 本周瞬间

在望平街吃了一家特别好吃的泰餐，Palm Tale，打抛猪肉饭绝了