GraphRAG — Справка

Система определяет режим работы по двум параметрам:

1 Поиск по векторной базе (pgvector)

Это всегда первый шаг — независимо от режима. Система ищет чанки, похожие на ваш вопрос.

2 Обогащение из графа (Neo4j)

Когда срабатывает: если graph_enabled=true (по умолчанию) и найдены чанки с object_id (т.е. структурированные данные — JSON/XLSX). Если выключить — поиск опирается только на векторную базу.

Система берёт найденные чанки и по их object_id идёт в Neo4j за дополнительными данными:

Если graph_enabled=false — весь этот шаг пропускается. Ответ строится только на чанках из pgvector.

3 Расширение для каталога (json_key)

Когда срабатывает: только если указан json_key и graph_enabled=true.

Помимо чанков из шага 1, система находит похожие объекты через граф и дофетчивает все их чанки. Это нужно, чтобы найти значения ключа в записях, которые не попали в первый поиск, но связаны через общие сущности.

4 Формирование ответа

Лимиты работают последовательно — каждый следующий обрезает результат предыдущего. Итог всегда ограничен наименьшим звеном в цепочке.

Для neo4j_items (LLM + граф)

graph_context_limit определяет сколько записей каталога (object_id) отправить в Neo4j-запрос. neo4j_items_limit — сколько карточек (ключ:значение) вернуть из тех, что Neo4j нашёл.

top_k чанков → уникальные object_id (записи каталога)
  → [:graph_context_limit]             ← сколько записей спросить у Neo4j
  → get_items_by_object_ids(...)      ← Neo4j возвращает карточки {Название: "...", Цена: "..."}
  → [:neo4j_items_limit]               ← сколько карточек оставить

Совет: ставьте graph_context_limit ≥ neo4j_items_limit, иначе первый будет «душить» второй. Если хотите 5 карточек — graph_context_limit=8, neo4j_items_limit=5.

Для graph_expanded_chunks (json_key + граф)

graph_expand_limit — сколько похожих записей каталога найти через граф (у них общие сущности с вашими чанками: тот же бренд, категория...). max_graph_k — сколько чанков из этих записей реально вернуть в ответ. Одна запись = несколько чанков (строк таблицы).

seed_oids (object_id из top_k чанков — найденные записи)
  → get_related_item_object_ids(limit=graph_expand_limit)  ← найти похожие записи через граф
  → related_oids (похожие записи: общая категория, бренд...)
  → fetch_chunks_by_object_ids(...)                       ← fetch ВСЕХ чанков каждой записи
  → graph_expanded_chunks (может быть много: 3 записи × 4 чанка = 12)
  → [:max_graph_k]                                        ← оставить только лучшие

Совет: для каталога ставьте graph_expand_limit побольше (6–10) — найдёт больше похожих записей. А max_graph_k ограничит итог — защита от раздувания ответа. Хорошая пара: graph_expand_limit=6, max_graph_k=10.

Зелёный = эти данные используются для формирования ответа. Серый = возвращаются, но не влияют. Красный = отсутствуют.

Включатели (true/false)

Лимиты (числа)

Пороги (фильтры)

Каждый чанк имеет поле search_type:

Все чанки хранятся в pgvector. Neo4j используется только для определения какие объекты дофетчить.

Минимальный

curl -X POST http://localhost:8007/ask \
  -H "Content-Type: application/json" \
  -d '{"user_id":"search","question":"Ассимилятор"}'

Извлечь значение ключа

curl -X POST http://localhost:8007/ask \
  -H "Content-Type: application/json" \
  -d '{"user_id":"search","question":"Ассимилятор","json_key":"NAME","top_k":6}'

LLM-ответ с графом

curl -X POST http://localhost:8007/ask \
  -H "Content-Type: application/json" \
  -d '{"user_id":"search","question":"какие смартфоны дешевле 50000?","llm_answer_enabled":true,"graph_context_limit":12}'