在实际 AI 应用开发中，检索增强生成（RAG）技术已成为连接大语言模型与私有知识库的关键桥梁。然而，一个常见的困境是：基础 RAG 系统在处理简单事实性问答时表现尚可，一旦面对涉及多实体、复杂逻辑关系的查询，其基于向量相似度的检索方式就容易导致知识碎片化，难以提供连贯、准确的答案。例如，当用户询问“Doris 是哪家公司捐赠给 Apache 基金会，又被哪些公司或组织所使用”时，基础 RAG 可能只会返回包含“百度捐赠”和“字节跳动使用”的孤立片段，而无法系统性地梳理出“捐赠”和“使用”这两类关系，并组织成结构化的回答。要解决这个问题，一种思路是将结构化的知识图谱与 RAG 结合。知识图谱能够以“实体-关系-实体”三元组的形式，清晰地刻画知识间的关联，为 LLM 提供更富逻辑性的上下文。但随之而来的挑战是技术栈的复杂化：传统方案往往需要引入独立的图数据库来存储知识图谱，再配合向量数据库进行语义检索，这带来了额外的运维成本、数据同步难题和查询延迟。Apache Doris 作为一款高性能的实时分析型数据库，其 HSAP（Hybrid Serving/Analytical Processing）架构提供了向量检索、全文搜索与结构化分析相融合的统一能力。这意味着，我们可以在同一个数据库内，既存储文档分片和向量，也存储知识图谱的实体与关系，并通过统一的查询接口进行混合检索，从而简化架构、提升性能。本文将详细演示如何基于 Apache Doris，从零开始构建一个从基础 RAG 到知识图谱增强 RAG 的完整系统，涵盖环境部署、数据处理、向量入库、图谱构建、混合检索与答案生成的完整闭环。1. 理解 RAG 与知识图谱增强的核心架构在深入代码之前，我们需要厘清两种方案的核心差异与互补关系。基础 RAG 的核心流程是“文档分片 - 向量化 - 向量检索 - 生成答案”。它擅长处理语义匹配，但上下文是线性的文本片段，缺乏对实体间显式关系的理解。知识图谱增强 RAG 则在基础流程前增加了一个“知识结构化”的环节。其核心流程变为“文档分片 - 实体关系抽取 - 图谱构建与向量化 - 图谱检索（实体+关系）- 生成答案”。这个方案的优势在于，当用户查询涉及多个实体及其关系时，系统可以先通过向量检索找到相关实体，再通过图查询找到这些实体之间的所有关联路径，最终将一张结构化的“知识子图”作为上下文提供给 LLM。这使得 LLM 能够基于完整的关联网络进行推理，生成更准确、更全面的答案。Apache Doris 在其中扮演了“统一数据底座”的角色。它通过以下特性支撑整个系统：向量检索：支持 HNSW 等近似最近邻（ANN）索引，高效检索高维向量。结构化查询：支持标准的 SQL，可以高效地查询和关联图谱中的实体与关系。混合负载：能够同时处理用于检索的 OLTP 类点查和用于分析的 OLAP 类复杂查询。数据统一：无需在向量库、图数据库和关系型数据库之间进行数据同步，简化了架构。接下来的实践将分为两大模块：首先构建一个基础 RAG 系统，验证从文档处理到问答的完整链路；然后在此基础上，引入知识图谱增强模块，实现更复杂的知识查询。2. 环境准备与 Doris 部署配置2.1 核心组件与版本选择一个可运行的 RAG 系统需要以下组件协同工作：向量数据库/分析数据库：Apache Doris 2.1.0 及以上版本（本文以 2.1.2 为例），用于存储和检索向量及结构化数据。嵌入模型：用于将文本转换为向量。我们选用BGE-M3模型，它支持多语言、跨向量检索，且效果优异。通过Ollama在本地部署。大语言模型：用于答案生成和实体关系抽取。我们使用DeepSeek的 API 服务。应用框架：使用LangChain来组织文本分片、嵌入生成和 LLM 调用流程。数据处理：使用Pandas进行数据格式转换。图谱构建与可视化：使用NetworkX构建图结构，PyVis进行可视化。2.2 Apache Doris 单机快速部署对于开发和测试环境，可以使用 Docker 快速启动一个 Doris 集群。首先确保已安装 Docker 和 Docker Compose。下载并编排 Docker Compose 文件： 创建一个docker-compose.yml文件，内容如下：version: '3' services: doris-fe: image: apache/doris:2.1.2-fe-x86_64 container_name: doris-fe hostname: doris-fe environment: FE_SERVERS: "doris-fe:9010" FE_ID: 1 ports: - "8030:8030" # web UI - "9030:9030" # MySQL 协议端口 volumes: - ./fe/doris-meta:/opt/apache-doris/fe/doris-meta - ./fe/log:/opt/apache-doris/fe/log networks: - doris-net doris-be: image: apache/doris:2.1.2-be-x86_64 container_name: doris-be hostname: doris-be environment: FE_SERVERS: "doris-fe:9010" BE_ADDR: "doris-be:9050" depends_on: - doris-fe volumes: - ./be/storage:/opt/apache-doris/be/storage - ./be/log:/opt/apache-doris/be/log networks: - doris-net networks: doris-net: driver: bridge启动 Doris 集群： 在包含docker-compose.yml的目录下执行：docker-compose up -d等待片刻后，使用docker-compose logs -f doris-fe查看日志，当看到fe thrift server started等关键日志时，表示 FE 启动成功。连接并初始化： 使用 MySQL 客户端或任何支持 MySQL 协议的工具连接 Doris。这里使用mysql命令行工具：mysql -h 127.0.0.1 -P 9030 -uroot首次连接可能无需密码。连接成功后，可以执行SHOW FRONTENDS;和SHOW BACKENDS;来确认 FE 和 BE 状态均为Alive。2.3 创建数据库与向量表在 Doris 中，我们需要创建两张核心表：一张用于存储基础 RAG 的文档分片和向量，另一张用于存储知识图谱的实体和关系。创建数据库：CREATE DATABASE IF NOT EXISTS doris_rag_demo; USE doris_rag_demo;创建基础 RAG 向量表： 这张表将存储文档分片内容及其对应的向量。我们使用ARRAYFLOAT类型存储向量，并为其创建 HNSW 索引以加速近似最近邻搜索。CREATE TABLE IF NOT EXISTS document_chunks ( `id` BIGINT NOT NULL, `doc_id` VARCHAR(255) NULL COMMENT '原始文档ID', `chunk_index` INT NULL COMMENT '分片序号', `content` TEXT NULL COMMENT '文本分片内容', `embedding` ARRAYFLOAT NOT NULL COMMENT '文本向量，1024维', `metadata` JSON NULL COMMENT '额外元数据，如来源、创建时间等', INDEX idx_embedding (`embedding`) USING ANN PROPERTIES( "dim" = "1024", "ef_construction" = "40", "index_type" = "hnsw", "max_degree" = "32", "metric_type" = "inner_product" ) ) ENGINE=OLAP DUPLICATE KEY(`id`) D
