给数据织一张会记路的网：知识图谱构建里的土办法、暗坑和边界

去年冬天，我在一个风电场待了三天。不是去旅游。风机在山上，风像刀子。老师傅指着齿轮箱说，轴承温度过了八十五，再撑二十分钟，基本就得拆。可他下个月退休。这些判断在微信语音里、在巡检本的边角上、在别人脑子里。你要把它塞进系统，靠一张 Excel？Excel 只会告诉你，备注栏写着“有异响”。这就是知识图谱构建很真实的起点。

别急着上大模型。也别急着画漂亮的本体图。先问自己，这张网要捞什么鱼。

它不像数据库，更像一张会记路的网

关系型数据库像一个个抽屉，按字段放东西。知识图谱更像一张地图。地图上有地点，有路。地点是实体，路是关系。风机是一个实体，风场是一个实体，“属于”是一条路。轴承是一个实体，“温度异常”是一个状态，它们之间也能连。连起来之后，你可以问：这个风场里，哪些设备出现过类似故障？谁修的？换了哪家供应商的件？

单表查询也能做，但多跳之后会写死人。图谱擅长的是多跳关系。比如 A 风机由 B 供应商供齿轮箱，B 供应商也给 C 风场供货，C 风场有台机器用了同一批轴承，而那批轴承在 D 维修记录里出过问题。你顺着边走，几步就到了。表格得 join 到天亮。

不过，图不是免费午餐。它把结构显式化了。显式化的代价是，你得先约定：什么是设备？什么是故障？子设备算不算独立实体？这些约定叫本体。本体不是学术摆设，它是抽屉上的标签。标签乱了，后面全乱。

我见过一个内部图谱，节点叫“设备”，边叫“属于”，然后呢？然后就没了。因为建图的人只关心技术栈，没关心业务问题。图数据库装上了，查询跑得飞快，可没人用。冷启动不是技术冷，是问题冷。

脏数据进来，错误会沿着边散步

知识图谱构建的流水线，平时被讲成：抽取、融合、存储、推理。听着像高铁站广播。落到工位上，就是一堆麻烦。

实体抽取：从工单、手册、聊天记录里找出“齿轮箱”“王工”“SKF 轴承”。合规文本还好，聊天记录里全是黑话。“老地方那台又响了”，你抽谁？

关系抽取：判断“A 导致 B”“A 属于 B”“A 由 B 维修”。大模型能帮不少忙。但别全信。它会把“A 设备由 B 供应商供”抽反，变成“B 设备由 A 供应商供”。这种错误进图以后，下游追责、采购、排障全歪。图不会自己知道错，它只会把错的关系传得更远。

实体消歧：两个“王工”是不是同一个人？一个“SKF 轴承”和一个“斯凯孚轴承”要不要合并？合并错了，知识串门；不合并，知识孤岛。这里没有魔法，只有规则、嵌入相似度、人工审核。说实话，人工审核很土，但省不掉。

我参与过一个客服图谱。上线两周，发现“退款”被连到了“物流延迟”和“商品破损”两个原因上。看起来挺智能。实际上，因为一条模板话术里同时出现两个词，模型硬拉了一条边。后来加了一条规矩：每条关系必须带证据。证据就是原文片段、时间、来源。没有证据，边不进库。这一下，图谱瘦了一半，但能用了。

所以，质量评估别只看节点数、边数。那东西像体重，不代表健康。要看准确率、覆盖率、一致性，还要看业务方愿不愿意用。

真落地时，麻烦常常不在算法

算法很显眼，工程很磨人。本体版本一多，旧图怎么办？迁移还是重建？权限怎么控？A 部门能看到 B 部门的维修记录吗？图查询和现有报表怎么打通？这些事不写论文，但决定图谱能不能活过三个月。

应用场景倒不少。设备维修里，图谱可以帮新人找相似故障；金融风控里，能顺着股权、担保、交易路径找团伙；医疗里，辅助梳理症状、药品、禁忌；客服里，把工单、产品、政策连起来。但别把图谱当锤子，看什么都像钉子。如果问题只是“查上个月销量”，用关系表更省事。

风险也真实。图谱会放大偏见。如果历史维修记录里，某类设备总被误判，图谱会学得理直气壮。隐私更麻烦。把人和关系连起来，可能连出不该连的东西。还有大模型加图谱，听起来很美：模型负责问，图谱负责给依据。但如果图谱本身脏，模型只会用更流畅的口气说错话。

如果让我重新搭一次

我会先找一个小问题，小到能在一周内看到反馈。比如：同型号设备过去半年在哪些工况下出过故障？然后只建这一小块本体。设备、部件、故障、工况、维修动作。关系不要多，够用就行。

抽取时，规则先上。正则、词典、模板，能覆盖六成先覆盖六成。剩下交给模型，但模型输出必须带置信度和证据。低于阈值，进人工队列。人工审核别做成一次性运动，做成日常流程。谁用，谁审，谁负责。

存储可以用图数据库，也可以先用关系表模拟。别为了图而图。等真的出现多跳查询、路径分析、关系推理，再上图数据库。查询语言比如 Cypher、SPARQL，学起来不难，难的是知道该问什么。

还要留一条退路。图谱不是真理，它只是当前证据下的一个视图。要能标注冲突，能回滚，能追溯到原文。这样出错时，你知道是抽取错了，还是源头就错了。

那张网不会自己长好。它需要有人修剪，有人喂料，有人承认自己不知道。把老师傅嘴里的“八成是轴承”变成可查询的关系，比调参难多了。可一旦跑通，它就不只是数据。它是组织的记忆。

对了，别忽略老师傅。图谱构建到了后期，往往不是模型缺数据，是人缺信任。让他愿意把经验说出来，比多买几张 GPU 更值钱。