知识图谱于14年出现，之后进入平稳期，23年由于大模型的出现再次火爆。

1. 大模型的“幻觉”问题的解决方式

   • 提高LLM的能力
   • 框定边界（大量符合逻辑的facts），大模型在边界内通过自身的理解能力，提供回复
     • facts 来源于：一些网络/企业内部文档/企业内的数据库/结构化的知识图谱

2. 知识图谱：一种存储facts的方式

   采用了“实体&关系”的方法来存储信息

   区别于简单的图：包含多种实体和多种关系

3. 知识图谱的优势

   1. 关系直观
   2. 抓住重要信息
   3. 弥补文本到向量直接的关系（GraphRAG：KG与向量数据库融合）

RAG 与知识图谱结合

1. 知识图谱的必要性

   e.g：问题:“感冒常用药物的负作用”；数据库存储的是“冲剂” 的描述，对应段落刚好没有出现“感冒” 这个关键词；两者相似度不够高，无法匹配

   —— 使用知识图谱找到“感冒”和“冲剂”之间的关系