GBZ 295.2-2026《人工智能 知识图谱与大规模预训练模型集成 第2部分：图检索增强生成》

1GB/Z295.2—2026《人工智能知识图谱与大规模预训练模型集成第2部分：图检索增强生成》编排和迭代检索等各项活动的任务组成与要求。本文件适用于图检索增强生成应用系统的设计与开发，以及与知识图谱系统和大模型的集成等。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于GB/T42131—2022人工智能知识图谱技术框架GB/T45288.1—2025人工智能大模型第1部分：通用要求3术语和定义GB/T42131—2022、GB/T45288.1—2025界定的以及下列术语和定义适用于本文件。知识knowledge通过学习、实践或探索所获得的认识。图检索增强生成graph-basedretrieval-augmentedgeneration利用知识图谱等图结构数据替代传统文本块，通过检索实体、关系、路径等结构化信息增强大规模预训练模型检索、推理和生成等能力的活动。集成integration两个或多个实体能够构成，或是被观测为单一个体的状态或状况；该个体表现出一个结构，一种特性和一个边界，由构成个体的互操作性特性决定，并根据需要执行共同任务。通过其他单个或多个实体提升或完善自身结构、性能的过程。4缩略语下列缩略语适用于本文件。动态编排动态编排BERT:基于自注意力模型的双向编码器表示(BidirectionalEncoderRepresentationsfromTrans-OCR:光学字符识别(OpticalCharacterRecognition)PDF:便携式文档格式(PortableDocumentFormat)5活动流程框架实时调整与优化语义识别语义分解与提取任务识别与转换查询重写知识解析图与文档混混合检索排序二迭代检索迭代检索混合推理…图推理模型推理……推理结果融合否可用于生成否知识整合结果生成与校验结果评价与反思结果输出结果转化、排序知识补全图索引构建否是用户输入用户输入知识图谱文件库/业务数据库知识库1..N基础生成内容图1图检索增强生成活动流程图3GB/Z295.2—2026图检索增强生成的主要活动流程见图1,本文件不对图检索增强生成活动输入与活动输出(见图1虚线框)作要求，流程中各项活动均以增强大规模预训练模型的能力为总体目标。其中：知识索引构建为增强提供结构化知识基础；语义识别为增强提供精准的意图理解；检索环节通过图结构知识增强输入大模型的信息质量；推理环节利用图逻辑约束增强大模型的推理准确性与可追溯性；生成环节利用检索和推理结果增强输出内容的事实性、一致性与可信度；动态编排确保增强过程在不同场景下的高效适配。图检索增强生成的活动输入包含用户输入、基础知识图谱、向量知识库、基础文件库/业务数据库和基础大模型，用户输入包含提示词、查询语句等内容，基础知识图谱、向量知识库等制进行集成，共同支撑图检索增强生成输入来源；活动输出：图检索增强生成的活动输出包含生成内容记录，形式包括但不限于文字、图片、表格等，通过大模型生成并最终反馈给用户。具体活动包含以下a)知识索引构建：用于将非结构化、半结构化、多模态的原始数据通过解析、抽取实体、关联关系等方法构建知识索引体系。知识索引构建活动流程包括但不限于：1)知识解析：通过实体识别或关系抽取等技术进行信息提取与结构化转化，实现多源数据信息的有效挖掘；2)知识补全：用于完善和解决图构建及与文档关联中存在的实体缺失、关系断裂、属性不完整等问题，通过算法模型提升图的完整性与可复用性；3)图索引构建：对图内实体、关系、4)图与文档混合索引构建：构建图与文档的双向检索机制，建立文档块和实体间双向映射关联，形成兼具文本精准检索与语义相似度匹配的索引结构。b)语义识别：1)语义分解与提取：对用户输入进行分层拆解，提取核心语义要素，例如：首先2)任务识别与转换：基于提取的语义要素，识别用户的核心任务类型，并转化为结构化的任务指令，转换过程中需结合业务场景定义任务模板，将自然语言任务映射为机器可执行的指令，同时明确任务的优先级与执行要求；3)查询重写：针对用户输入的模糊需求、歧义需求或不规范表达等问题，进行针对用户输入的优化重写，提升检索与推理的准确性。过程中，结合图的语义信息与用户历史需求，确保重写后的查询贴合用户真实意图，并适配后续检索环节的需求。c)检索：对用户输入的生成需求进行解析，并通过检索图，补充基础文件库等知识库中缺失或不足的知识，增强检索结果的完整性和丰富度。检索活动流程包括但不限于：3)排序：对检索得到的多源结果进行优先级排序，确保核心知识优先输出；4)检索结果融合：将不同检索方式、不同知识库得到的结果进行整合，形成统一的集合。d)推理：针对用户输入的生成需求，基于检索结果，通过关联子图分析等方式，增强逻辑推理并获取更多隐藏知识。推理活动流程包括但不限于：1)混合推理：融合图推理、模型推理等2)推理结果扩展：在原有推理结果的基础上，挖掘潜在的关联知识，遍历核心实体的多阶关联关系，扩充推理结果的深度；3)推理结果融合：对多种推理方式和多轮推理得到的结果进行整合优化，形成统一的推理e)生成：针对用户输入的生成需求，基于检索和推理，大模型筛选并输出最符合用户输入的生成4结果。生成活动流程包括但不限于以下。1)知识整合：将检索结果和推理结果进行系统性整合，形成结果集合。2)结果生成与校验：基于结果集合，按照用户输入的格式与风格生成初步内容。生成过程中需融入图中的结构化关系，避免内容出现事实错误；生成后通过多重校验机制验证内容质3)结果评价与反思：对生成的初步结果进行全面评价，反思生成过程中的不足，为优化提供方向。4)结果转化、排序与对齐：将优化后的生成内容转化为用户易理解的形式，同时进行最终排级排序，输出最优结果；最后进行需求对齐检查，确保最终结果完全符合用户的初始需环节进行动态组合、流程优化与资源调度，确保在不同场景下均能高效输出高质量、符合需求的生成结果。g)迭代检索：如推理或生成等响应结果未能符合用户输入，或有待进一步完善，则进行多轮迭代6知识索引构建6.1知识解析知识解析包括但不限于：a)应具备结构化、半结构化和非结构化数据的知识解析能力，如数据库表、html和PDF等；b)应具备从复杂文档中解析出文本、截图、表格等知识的能力；c)应具备对多语言数据源知识解析的能力；d)应具备OCR技术能力，以解析扫描版PDF或文档图像中的文字；e)应具备表格识别技术能力，以解析文档中的各种表格数据；f)应具备布局识别技术能力，以解析文档中的各类元素布局和位置信息；g)应具备包含固定长度分块等不少于1种基于规则的知识分块技术；h)应具备对知识分块进行向量化表示能力；i)应具备对解析后的知识的来源文档进行记录的能力，以便于知识溯源；j)应具备对知识文档进行全量更新和增量更新的能力；k)宜具备图片、视频、音频等多模态数据源的知识解析能力；1)宜具备集成多模态大模型的能力，对截图、视频、音频等多模态数据源进行语义理解；m)宜具备包含基于语义嵌入相似度分块等不少于1种基于语义的知识分块技术的能力；n)宜具备对解析后的知识进行质量评价的能力；o)可具备对待解析的知识文件进行选择、清洗和过滤等的能力。6.2知识补全知识补全包括但不限于：a)应具备基于外部知识库的知识补全能力；b)应具备基于规则方法的知识补全能力；c)应具备基于图算法的知识补全能力，如链接预测等；d)应具备基于语义方法的知识补全能力，如BERT等；e)宜具备不少于2种方法混合的知识补全能力；5f)宜具备给出补全结果解释的能力；g)宜具备对知识补全结果进行评价的能力，如计算置信度、验证逻辑符合等；h)宜具备对补全知识进行标识的能力。6.3图索引构建图索引构建包括但不限于：b)应具备对多个属性创建复合索引的能力；c)应具备图索引结构的动态更新能力，如实体或关系的插入、属性的修改或删除等；d)宜具备图索引一致性的自动维护能力；e)宜具备创建实体和关系属性的范围索引能力；f)应具备图索引结构的优化能力。6.4图与文本混合索引构建图与文本混合索引构建包括但不限于：a)应具备文本的预处理能力，如分词、词干提取等；b)应具备文本块拆分能力，将原始文档拆分成多个文本块；c)宜具备利用大模型提取文本块中的实体与关系的能力；d)宜具备图中的子图结构与切分后文本库的互索引构建能力，丰富图结构的背景描述。7语义识别7.1语义分解与提取语义分解与提取包括但不限于：a)应具备跨语言语义解析能力，兼容主流语言的混合文本处理；b)应具备领域术语自动识别能力，内置领域术语知识库；c)应具备完成5层以上的嵌套语义结构解析能力；d)应具备将文本中的隐含关系转化为显式三元组的隐式关系显性化能力；e)应具备基于上下文实现实体/术语的动态消歧处理能力；f)应具备检测并修复语义片段缺失/冲突问题的语义完整性校验能力；g)应建立语义相似度动态调整机制，根据用户历史提问数据、领域知识更新情况，自动或半自动优化语义匹配的相似度阈值。7.2任务识别与转换任务识别与转换模块用于将提取结果映射为可执行的处理任务，如图查询、信息推理、内容生成等。任务识别与转化包括但不限于：b)应具备任务参数提取能力，识别任务中的关键对象、限定条件和目标输出等；c)应具备基于规则库、模板集或大语言模型的意图转换机制，将用户输入转换为标准任务模板或流程表示；d)应具备复杂任务的任务分解策略，将复合性查询拆解为多个可执行的子任务，并保留子任务间的语义关联关系；e)应具备根据上下文自动调整子任务执行顺序的动态调整能力；f)应具备提供任务分解和转换的逻辑依据的能力；6g)应支持任务参数动态配置，针对不同类型的任务，允许用户调整预训练模型的参数，包括生成7.3查询重写查询重写用于在不改变原始语义意图的前提下，对用户输入进行优化，以提升检索性能。查询重写包括但不限于：a)应具备同义词替换、结构扩展、省略补全等表达改写能力；b)应结合图结构执行语义增强型重写，如上下义感知、实体泛化和约束优化等；c)应具备可追溯性与版本控制能力，保留原始与改写版本的映射信息；d)对于多轮对话场景，应具备基于上下文的动态重写策略；e)应具备根据图结构自动优化查询路径的多级查询优化能力；f)应具备自动校正拼写错误和领域术语误用的领域术语校正能力；g)应具备对模糊查询生成多个澄清选项的查询意图澄清能力。8.1图检索图检索包括但不限于：a)应具备基于用户输入中的实体、关系等元素在图中进行结构化查询能力，返回与输入内容直接关联的子图、路径或邻接节点信息；b)应具备指定实体、关系和属性的精确查询能力；c)应具备基于关键词和语义相似度的实体、关系和属性检索能力；d)应具备多实体间的路径检索能力；e)应具备不少于2跳的多跳图检索能力；f)应具备基于约束的多跳图检索和路径检索能力，如类型约束、关键词约束、语义相似度阈值g)应具备通过自定义规则或函数的方式检索能力；h)应具备基于索引的检索能力，如基于全文索引、基于向量索引等；i)应支持包含GQL等不少于1种图检索语言；j)应具备通过图结构知识增强检索结果相关性与可解释性的能力，如实体关系路径、子图摘1)宜具备通过自然语言转换为图查询语句进行检索能力；m)宜具备根据节点重要性权重进行检索能力；n)宜具备基于社区摘要的检索能力；o)宜具备基于图-知识分块的双向关联映射的检索，如基于知识分块信息检索子图，基于子图检索关联知识分块；p)宜具备检索结果的可视化能力；q)宜具备图检索时返回检索路径能力；r)宜具备跨语言图检索能力。8.2混合检索混合检索包括但不限于：a)应具备同时使用图检索和关键词检索等不少于2种检索方法；7b)应具备记录不同检索结果的知识溯源能力；c)应具备利用图检索结果增强其他检索方法召回质量的能力，如关键词检索、向量检索，提升混合检索的整体增强效果；d)宜具备调用外部检索工具获取检索结果的能力；e)宜为用户输入动态选择不同检索方法进行混合检索，包括检索类型、检索参数等；f)宜具备基于图结构增强其他检索方法的能力；g)可具备跨模态检索能力。8.3排序排序包括但不限于：a)应具备包含多路召回加权得分等不少于1种基于统计方法的排序策略；b)应具备包含基于深度学习模型排序等不少于1种基于模型的排序策略；c)应具备对不同检索方式返回的所有检索结果进行排序的能力；d)应具备对检索结果进行多次排序的能力；e)宜具备基于图特征对检索结果进行排序的能力，如节点重要性、关系权重等；f)宜具备可配置排序方法的能力，如启用/禁用某类排序因子、设置排序阈值、自定义策略组g)宜根据用户输入，动态选择或组合多种排序方法进行排序；h)宜具备个性化排序的能力，如基于用户的历史行为、偏好或所属群体的排序；i)宜具备人工调整排序结果的能力；j)宜具备对排序过程和排序结果进行记录和溯源的能力；k)可具备对跨模态检索结果排序的能力。8.4检索结果融合检索结果融合包括但不限于：a)应具备包含规则对齐等不少于1种对齐策略；b)应具备包含冲突消解等不少于1种融合策略；c)应具备对检索结果的去重和合并的能力；d)应具备自定义配置对齐和融合方法的能力；e)宜具备基于外部知识或约束的检索结果融合的能力；f)宜具备基于不同版本图进行检索结果融合的能力，自动识别图版本差异，基于版本优先级整合g)宜具备对齐和融合混合检索结果的能力；h)宜根据用户输入和检索结果，动态选择结果融合策略；i)宜具备对融合前后检索结果的映射关系进行溯源的能力；j)可具备对融合结果进行结构标注的能力，如关键信息加粗、来源标识、层级化结构等，便于大模型理解；k)可具备对跨模态检索结果进行对齐和融合的能力。9推理9.1图推理图推理包括但不限于：a)应具备基于图结构的规则或逻辑方法的图推理能力，如传递性推理、对称性推理、反向关系推8b)应具备通过语义方法进行图推理的能力，如基于语义向量相似度推理、基于大语言模型引导推c)应具备基于图算法的推理能力，如基于图神经网络表征、基于随机游走等；d)应具备条件约束的图推理能力；e)应具备实时图推理能力；f)应具备结果和过程的可溯源性和可解释性；g)应具备利用图中的逻辑约束，如关系传递性、属性范围、类层次结构，增强大模型推理的准确性和可追溯性的能力，降低模型幻觉；h)宜具备跨图的协同推理能力；i)宜具备对图推理结果进行质量评价的能力，如置信度评分计算等；j)宜具备基于已有知识对图推理结果进行筛选和修正的能力；k)宜结合用户输入和当前检索结果动态调整图推理策略、深度；1)宜具备用户参与的能力，如确认或否决某步推理、确认或修改推理产生的知识等；m)宜具备设定推理终止条件的能力，自动终止无效推理并输出中断原因。9.2混合推理混合推理包括但不限于：a)应具备同时采用包含图推理、符号推理、基于模型的推理等至少2种推理方法；b)应具备以图推理结果作为约束或证据，增强基于大模型的推理方法的可信度与逻辑一致性的c)宜具备调用外部推理工具获取推理结果的能力；d)宜具备不同推理方法之间映射和转换的能力；e)宜具备混合推理策略的自动调优能力，能够根据历史反馈与性能数据，优化不同推理方法间的协同机制；f)宜具备基于已有知识对不同推理结果进行筛选和修正的能力；g)宜结合用户输入和当前检索结果，动态选择不同推理方法进行混合推理。9.3推理结果扩展推理结果扩展包括但不限于：a)应具备基于图检索、语义相关性、关键词和规则的推理结果扩展能力，如对推理出的实体检索b)应基于外部知识源，丰富推理结果内容与维度；c)应具备扩展知识筛选过滤的能力，如基于可信度筛选、基于相关性筛选等；d)宜具备基于因果链的推理结果扩展的能力；e)宜具备组合多种方法对推理结果进行扩展的能力；f)宜具备根据用户输入和推理结果动态决定扩展深度的能力；g)宜具备基于已有知识对扩展结果进行筛选和修正的能力；h)可具备跨模态扩展推理结果的能力。9.4推理结果融合推理结果融合包括但不限于：a)应具备包含规则对齐等不少于1种对齐策略；b)应具备包含冲突消解等不少于1种融合策略；9c)应具备对推理结果进行去重和合并的能力；d)应保留融合前后结果的映射关系，便于溯源；e)宜具备基于外部知识或约束的推理结果融合的能力；f)宜具备自定义融合方法的能力；g)宜根据用户输入，动态选择融合策略；h)宜具备对混合方法的推理结果进行融合的能力；i)宜具备基于已有知识对融合结果进行筛选和修正的能力；j)可具备对多模态推理结果进行融合的能力。10生成10.1知识整合知识整合包括但不限于：a)应具备将检索和推理的结果转换为特定的描述形式的能力，包括但不限于符合知识交换协议约定的图描述形式、三元组描述形式等；b)应具备处理不同检索路径或知识源的冲突信息的能力，能依据预设的策略进行判断，并记录冲突解决日志以供溯源；c)宜具备假设性知识生成与增强的能力，例如在特定领域(如医疗、金融)的复杂查询中，基于用户查询和初步检索结果，利用大模型生成合理的假设性扩展或解释，并将其作为辅助信息纳入融合范围；d)应具备包含零样本提示等不少于1种提示工程技术；e)宜具备利用整合结果对用户输入进行增强或重构的能力；f)应保留整合结果的原始来源信息和被处理的路径。10.2结果生成与校验结果生成与校验包括但不限于：a)应具备将包含图知识的结构化上下文与用户输入一并引导模型进行内容生成的能力；b)应具备利用特定领域的图上下文约束和优化模型回答的能力；c)应具备通过特定指令控制生成内容的风格、角色和输出格式的能力；d)应具备从生成文本中抽取关键事实信息，并与图中的信息进行反向比对，以此增强生成内容真实性的能力；e)对于校验中发现的事实性错误以及与图事实相悖的内容，应具备标记、修正或请求重新生成的能力，从机制上抑制模型幻觉；f)应具备对生成文本进行格式校验的能力，包括但不限于语法结构、标记完整性等；g)应对生成内容中引用的每一个关键事实提供其在图或原始文档中的来源信息，实现对答案的有效追溯；h)应具备将生成内容中关键结论所依赖的推理路径，如多跳关系链，以可读形式返回的能力，以增强生成结果的可解释性；i)宜具备利用图中定义的规则验证生成内容的逻辑链条是否合理的能力。10.3结果评价与反思结果评价与反思包括但不限于：价策略与任务目标一致；b)应具备评价候选结果与用户输入的语义相关度及其对关键信息点的覆盖完整度的能力；c)应具备评价候选结果内部的逻辑连贯性与合理性的能力；d)应为每个候选结果输出包含上述维度得分的质量评价向量，用于后续排序；e)应具备反思问题根源的能力，追溯事实性错误或逻辑缺陷的产生原因，并提出对应优化方向；f)应具备将反思结论反馈至知识整合与生成环节的能力，用于优化后续上下文组织与生成约束；g)宜记录检查与反思过程中的关键决策信息，以符合审计与追溯需求；h)宜识别过度推断、以偏概全、将相关性视为因果性等常见推断错误，并进行调整；i)宜核对候选结果中关键结论的来源是否明确，引用是否可追溯，并确保溯源信息与结果内容一致。10.4结果转换、排序与对齐结果转换、排序与对齐包括但不限于：a)应具备从每一个候选结果的文本中提取实体、关系、属性等信息的能力，并将其统一转换为严格的结构化格式，转换后的多种格式应与该候选结果的原始文本一同封装，形成一个完整的待处理的结果对象；b)应确保转换后的内容与原始生成内容之间的核心语义和事实信息无变化；c)应具备将择优结果中的关键信息断言与图进行精确比对的能力，并基于知识自动修正其中可被纠正的事实性错误；d)应具备实体链接等能力，将最终结果文本中的实体关联到图中的对应节点；e)宜具备将文本中的语义关系映射到图的预定义关系类型的能力；f)宜具备文本描述与图中关联的图像、图表等元素进行对齐的能力，确保图文匹配；g)宜具备转换过程可追溯记录的能力，包括输入版本、转换规则及操作日志；h)宜具备上下文感知解码等策略，重新评价或关注图提供的关键上下文信息，以提升结果质量。10.5结果输出结果输出包括但不限于：a)应基于图中定义的本体约束或逻辑规则，对最终结果进行一致性检查，以过滤不符合逻辑的b)应具备将最终信息整合生成为自然的摘要、段落，或符合特定规范的结构化格式的能力；c)对于生成时间较长的请求，应具备流式输出，即逐步显示已生成的内容；d)应具备从最终确认的、高质量的生成内容中，通过实体和关系抽取技术，经校验后用于扩充、完善和更新图的能力；e)宜在输出内容的关键信息点旁，提供清晰的引用标注或交互式链接；f)对于复杂问题，宜具备将最终结果的生成过程以步骤化的形式清晰地展示给用户的能力；g)宜具备在无法生成确定性答案时，主动生成引导性的澄清式问题，与用户进行交互以获取更明确的需求的能力；h)宜具备生成多模态内容的能力；i)宜具备在输出生成结果的同时，主动说明该结果如何受检索或推理环节中图结构知识增强的能力，以增强用户对结果的信任度。10.6生成过程安全要求生成过程安全要求包括但不限于：a)应支持数据加密传输与存储，采用国密算法加密；b)应具备基于角色的访问控制机制，明确生成流程各环节操作人员的权限边界；c)宜具备采用屏蔽关键字段、替换敏感实体、模糊化数值等方式对知识中的敏感数据进行脱敏处理的能力；d)宜具备记录生成内容中每一增强来源，如引用的子图、推理规则的能力，以符合风险追溯与审计要求。11动态编排动态编排包括但不限于：a)应建立标准化、可扩展的编排规则体系，明确规则定义规范，件三大核心要素；b)应具备规则的模块化管理，根据业务场景灵活加载、更新或扩展规则集；c)应具备对流程编排规则进行统一管理的能力，确保各流程环节对数据和知识的使用符合授权和合规要求；d)应具备对活动执行过程中的上下文信息进行统一管理的能