「可萌」基于知识库与知识图谱的专域聊天助手
📝 项目介绍
宝可梦（Pokémon）作为全球最具影响力的 IP 之一，拥有庞大的世界观设定与海量角色数据。在游戏、动画、卡牌、电影等多领域的多年积累下，其知识体系庞杂且高度结构化，非常适合应用于知识图谱建模与智能问答场景。
随着大语言模型（LLM）与知识增强技术的发展，将宝可梦宇宙构建为一个多模态、结构化、可交互的 AI 系统成为可能。本项目以 百度贴吧 与维基百科等数据源为基础，构建出覆盖宝可梦角色、属性、技能、地区、演化路径等元素的知识图谱，并结合大模型能力，打造一个专属宝可梦世界的智能对话助手 ——「可萌」。
在此基础上，我们融合了 LangGraph 推理流程编排、 GraphRAG 检索增强技术，以及知识图谱可视化探索能力，使用户不仅可以通过自然语言提问获得精确答案，还能以图谱形式直观探索宝可梦世界。同时支持基于地理位置的地图定位功能，将宝可梦世界与真实世界坐标一一映射，实现 宝可梦地点知识的空间可视化 🌏 。
本项目致力于打造一个可迁移、可扩展、面向爱好者的专域智能助手模板系统，你可以轻松将其迁移至其他角色（如「苏轼」、「金融」、「 政务服务」等）中打造专域的智能助手，仅需更换知识源与图谱结构，即可实现高质量的语义问答与可视化知识探索体验。
🎯系统架构
通过本项目的实施，我们不仅完成了vue3+fastapi的一个完整项目，同时构建了一个基于宝可梦知识图谱的智能问答系统。积累了语义结构建模如bert+tf-idf+规则匹配机制、以及图谱融合与生成式问答的丰富实践经验。系统支持对宝可梦的进化关系、属性克制、技能特征、地理分布等内容进行精准问答，极大提升了用户在交互式探索中的体验感。
未来，我们将持续优化系统在多轮问答、复杂图谱推理、地图导航等场景下的表现，并扩展更多支持任务类型，如：基于图谱的推理问答、Pokédex 自动补全、角色对战策略建议等。同时，知识图谱将持续更新和扩展，以确保其时效性、完整性与一致性，助力宝可梦领域的智能系统构建与 AI 应用拓展。
以下是本项目的核心技术架构图：
🎯项目特色
- 基于爬取的数据微调了基于宝可梦的专域大模型——可萌 。
- 基于爬取数据构建了宝可梦知识图谱（维基百科）。
- 自动化标注训练NER数据，使用roberta+TF-IDF+规则匹配来命中图谱中的实体与属性。
- 使用whisper来实现ASR功能。
- 实现MCP服务，如获取宝可梦世界地点、宝可梦在对应真实世界的经纬度坐标显示在前端上。
- 抽取RAGflow中的deepdoc来强化知识库的解析和抽取能力。
- 使用Langraph框架基于自己的数据实现graphrag+ web searcher + 知识库 智能体。
- 封装agent 基类实现多智能体功能。
- 支持知识图谱搜索、网络搜索、知识库搜索、MCP搜索、语音搜索，可以同时集成也可以任选其一。
🚀 快速开始
前置要求：已安装 Docker / Docker Compose、Node.js ≥ 18、Python ≥ 3.11
- 把数据放到resources文件夹下
克隆仓库 & 配置环境变量
git clone cd Smart-Assistant cp src/.env.template src/.env # 按需填写 API-KEY，可留空 cp Smart-Assistant/config/settings_example.py config/settings.py # 填写安装依赖
pip install -r requirements.txt启动核心服务
cd docker docker compose up -d导入图谱与地图数据
cd scripts python import_graph.py # 写入 Neo4j python import_pokemon_map.py # 写入 MySQL启动后端服务
cd server python main.py # FastAPI + LangGraph cd ../src/mcp python mcp_server.py # SSE 模式示例启动前端
cd web npm install npm run dev # 浏览器访问 http://localhost:3100/
评论区(暂无评论)