Chat2Graph - 图原生智能体系统¶

Chat2Graph 是一个图原生（Graph Native）的智能体系统，聚焦于「图智互融」技术（Graph + AI）的探索与落地。通过利用图数据结构的关系建模、可解释性等天然优势，对智能体的推理、规划、记忆、工具等关键能力进行增强，实现了图数据库的智能研发、运维、问答、生成等多样化能力。

项目地址：https://github.com/TuGraph-family/chat2graph

背景：Graph + AI¶

传统的基于表格的数据处理技术，如分布式数据库、数据仓库、数据湖等，一直在持续演进并逐步走向成熟。相比而言，基于图的数据处理技术（图数据库、图计算引擎）提供了新型的思路和方法的同时，也面临着生态成熟度低、产品使用门槛高等问题。

随着大语言模型的兴起，如何有效地将人工智能技术与图计算技术相结合（Graph + AI），将是非常值得探索的方向：

AI for Graph：借助大模型、智能体等前沿技术降低图计算产品的使用门槛，提升用户的用图体验
Graph for AI：图计算技术可以充分发挥图数据结构在关联性分析场景上的性能与可解释性优势，协助大模型、智能体提升推理能力以及生成质量

核心特性¶

Chat2Graph 充分发挥「符号主义」的可解释性与「连接主义」的自主学习的优势，实现了以下核心能力：

1. 架构设计¶

混合架构：单主动-多被动（One-Active-Many-Passive）的智能体架构
Leader + Expert：单个 Leader 智能体驱动，多个 Expert 智能体协作
模块化设计：图系统层、AI 系统层、存储服务层清晰分层

2. 核心能力¶

推理：快&慢思考结合的双 LLM 推理机
规划：CoA 式任务分解与图规划器
记忆：分层记忆系统，支持知识精练
知识：支持 VectorRAG 和 GraphRAG
工具：利用图结构组织工具和行动
集成：支持 Neo4j 和 TuGraph 图数据库
可干预：支持任务的暂停和恢复
持久化：作业状态和消息的持久化

3. SDK 与配置¶

一键配置：简化智能体构建流程
API 支持：提供 RESTful API 和 Web UI
扩展性：支持未来更多图计算系统的扩展

应用场景¶

Chat2Graph 当前适用的场景包括：

知识图谱构建与交互探索¶

从海量文本、报告或各类数据源中自动构建领域知识图谱，并允许用户通过自然语言进行查询、分析与可视化。

复杂关系网络的深度分析¶

适用于以下领域的关系分析：

社交网络分析
金融风控（反欺诈、关联交易识别）
供应链优化
生物信息学（蛋白质相互作用网络分析）
情报分析

揭示实体间的深层联系、关键节点和社区结构。

智能问答与决策支持¶

基于动态构建和更新的知识图谱，提供上下文感知的高级问答服务，为复杂决策提供数据驱动的洞察。

高质量推理与内容生成¶

深度结合符号主义优势，提供高质量的任务规划和记忆召回，实现精确工具调用。

快速开始¶

1. 环境准备¶

推荐使用以下版本：

Python >= 3.10, < 3.12
NodeJS >= v16, < v21

可以使用 conda 创建虚拟环境：

conda create -n chat2graph_env python=3.10
conda activate chat2graph_env

2. 下载与构建¶

# 下载源码
git clone https://github.com/TuGraph-family/chat2graph.git
cd chat2graph

# 构建项目
./bin/build.sh

3. 配置系统参数¶

基于模板准备配置文件：

cp .env.template .env

配置大语言模型参数（推荐使用 DeepSeek-V3）：

LLM_NAME=openai/deepseek-ai/DeepSeek-V3
LLM_ENDPOINT=https://api.siliconflow.cn/v1
LLM_APIKEY={your-llm-api-key}

EMBEDDING_MODEL_NAME=Qwen/Qwen3-Embedding-4B
EMBEDDING_MODEL_ENDPOINT=https://api.siliconflow.cn/v1/embeddings
EMBEDDING_MODEL_APIKEY={your-llm-api-key}

4. 启动服务¶

./bin/start.sh

启动成功后，访问 http://localhost:5010/ 即可使用 Chat2Graph。

主要功能¶

图数据库管理¶

Chat2Graph 支持注册和管理图数据库实例，当前支持：

通过注册图数据库，可以体验完整的「与图对话」功能。

与图对话¶

通过自然语言与图数据库进行交互，执行各种图相关任务：

图建模
数据导入
查询分析
图问答
可视化探索

知识库管理¶

构建和管理领域知识库，支持：

VectorRAG：向量检索增强生成
GraphRAG：图结构检索增强生成
知识精练与更新

技术架构¶

Chat2Graph 采用分层架构设计：

图系统层¶

构建面向图系统的统一抽象
统一管理图数据库服务
支持多种图计算系统扩展

AI 系统层¶

智能体框架
RAG 系统
记忆工具
模型服务工具

存储服务层¶

存储智能体的持久化数据：

元数据
记忆
知识
文件

核心组件¶

推理机：LLM 服务封装、推理增强、工具调用
工作流：智能体内部的算子编排与 SOP 抽象
记忆系统：分层的知识精练体系
工具库：基于图谱的工具和行动关联管理
智能体：Leader 智能体和 Expert 智能体

设计理念¶

图原生（Graph Native）¶

在智能体设计中深度整合图计算技术：

AI for Graph：借助智能体系统实现图系统的自主化与智能化，降低用图门槛
Graph for AI：借助图的关联性建模优势，增强智能体的推理、记忆、工具使用等能力

符号主义与连接主义融合¶

符号主义：提供可解释性和逻辑推理能力
连接主义：提供自主学习和模式识别能力
深度融合：充分发挥两者优势，实现高质量推理和生成

后续学习¶

详细了解 Chat2Graph 的设计和实现细节，请参考项目文档的「技术原理」部分
产品使用细节可参考项目的「使用手册」

Chat2Graph 致力于探索图计算与人工智能的深度融合，通过「图智互融」技术，让图数据库更智能、更易用，真正实现与图对话。