Онтология и граф знаний нужны LLM, когда ответ строится на связях между объектами, а не на поиске похожего абзаца: «какие сервисы пострадают, если упадёт эта база», «кто отвечает за всё, от чего зависит этот продукт», «какие товары совместимы с этой моделью». Онтология задаёт словарь (классы объектов, допустимые отношения, ограничения), граф знаний хранит сами факты в виде троек «объект, отношение, объект». Для вопросов вида «найди в документах, что сказано про возврат» хватает обычного RAG. Ниже: что это такое, когда граф окупается, три способа подключить его к модели и рабочий пример с проверкой фактов по схеме.
Что такое онтология и граф знаний
Базовая модель данных называется RDF. В руководстве по RDF 1.1 данные описаны как набор утверждений, каждое из которых связывает один ресурс с другим или со значением; ресурсы идентифицируются IRI, поэтому по одному идентификатору можно получить дополнительные данные из других источников. Язык онтологий OWL 2 служит для записи и обмена знаниями о предметной области и рассуждения над ними; его базовые понятия это аксиомы (утверждения онтологии), сущности (объекты, категории и отношения) и выражения, из которых строятся сложные описания. Для проверки данных по схеме есть SHACL: проверка берёт граф данных и граф форм (shapes graph) и выдаёт отчёт о нарушениях.
На практике не обязательно использовать весь стек семантического веба. Те же идеи реализуют в графовой базе (Neo4j), в обычной реляционной таблице рёбер или просто в коде. Главное разделение такое:
- Схема (онтология): какие типы объектов бывают (Сервис, Команда, Инцидент), какие отношения допустимы и между какими типами («Сервис зависит от Сервиса», «Инцидент затрагивает Сервис»).
- Данные (граф знаний): конкретные объекты и их связи, соответствующие схеме.
- Правила: ограничения («у сервиса ровно одна команда-владелец», «зависимости не образуют цикл»).
Когда граф нужен, а когда достаточно поиска
| Тип вопроса | Что работает лучше |
|---|---|
| «Что написано в инструкции про X» | Векторный или гибридный поиск по документам |
| «Сколько заказов за неделю» | SQL по базе, не граф |
| «Что зависит от X» (цепочки в несколько шагов) | Граф: обход связей |
| «Кто отвечает за всё, что затронул инцидент» | Граф: путь от инцидента к командам |
| «О чём в целом весь корпус документов» | GraphRAG с сообществами и сводками |
| Нужна проверяемость: каждый факт со ссылкой на узел и источник | Граф с указанием происхождения тройки |
| Нужны жёсткие ограничения («сервис не может зависеть от самого себя») | Онтология и проверка схемой |
Признаки, что граф стоит строить: в данных много типизированных объектов с устойчивыми связями; вопросы требуют обхода нескольких шагов или агрегации по связям; ошибки по связям обходятся дорого; одни и те же сущности называются в документах по-разному и их нужно свести к одному идентификатору. Если же данные это в основном тексты с вопросами по смыслу, затраты на разметку и поддержку графа не окупятся. Метод всегда нужно сравнить с обычным RAG на своём наборе вопросов, как описано в статье как улучшить RAG.
Три способа подключить граф к LLM
1. Граф как источник фактов
Вы берёте вопрос, находите в нём сущности, достаёте из графа окрестность (соседей на один-два шага, нужные пути) и кладёте найденные тройки в промпт. Модель формулирует ответ только по ним. Это самый простой вариант: граф даёт точные факты, модель даёт язык. Обзор «Unifying Large Language Models and Knowledge Graphs: A Roadmap» описывает как раз такое сочетание: графы знаний хранят явные факты и дают интерпретируемость, тогда как LLM остаются «чёрным ящиком» с проблемами с фактами; в то же время графы сложно строить и они постоянно меняются.
2. Модель пишет запрос к графу
Модель превращает вопрос в запрос на языке графовой базы (Cypher, SPARQL), запрос выполняется, результат идёт в ответ. Подход точнее для агрегаций и обхода, но рискованнее: модель может написать неверный или тяжёлый запрос. Меры защиты: доступ только на чтение, лимит времени и числа строк, передача модели схемы графа в промпте, проверка запроса по списку разрешённых типов и отношений до выполнения. Метод Think-on-Graph идёт дальше: модель итеративно исследует граф, шаг за шагом выбирая релевантные связи; авторы описывают метод как не требующий дополнительного обучения и сообщают, что с малыми моделями он в ряде сценариев превосходит GPT-4. Проверяйте такое на своих данных, но направление интересно: небольшая модель плюс граф вместо большой модели без него.
3. GraphRAG: граф строится из текстов
Когда структурированных данных нет, граф извлекают из текстов самой LLM. Подход GraphRAG из Microsoft Research строит индекс в два этапа: сначала модель выделяет из документов граф сущностей, затем заранее создаются сводки по сообществам тесно связанных сущностей. На вопрос каждая сводка даёт частичный ответ, а затем они объединяются. Авторы показывают преимущество над обычным RAG для «глобальных» вопросов по корпусу объёмом около миллиона токенов в полноте и разнообразии ответов. По документации проекта, индексация делит корпус на текстовые блоки, извлекает сущности, связи и ключевые утверждения, кластеризует граф методом Лейдена и пишет сводки сообществ снизу вверх. Режимы запроса: глобальный (вопросы о корпусе в целом), локальный (о конкретных сущностях и их соседях), DRIFT (локальный с контекстом сообществ) и базовый (обычный поиск top-k). Практический вывод: индексация требует вызовов LLM по всему корпусу, поэтому заранее оцените стоимость на малой выборке; бесплатные модели из каталога подходят для пробного прогона, а размер модели влияет на качество извлечения. Экосистема графовых баз тоже даёт готовые инструменты: официальный пакет neo4j-graphrag содержит поиск по векторам в графе и конструктор графа знаний, а в числе поддерживаемых LLM есть Ollama.
Как построить: пошагово
- Выпишите 20-30 реальных вопросов, на которые граф должен отвечать. Они определяют схему: нужны только те классы и отношения, которые участвуют в этих вопросах.
- Опишите схему минимально: 5-15 классов и 10-20 отношений с указанием типов начала и конца. Усложнять можно потом.
- Определите источники. Структурированные данные (CMDB, каталог товаров, таблицы) загружаются кодом и надёжнее всего. Тексты обрабатываются моделью, но каждую извлечённую тройку нужно проверять по схеме (см. код ниже) и хранить ссылку на исходный фрагмент.
- Решите вопрос с идентичностью: «Billing API», «биллинг» и «billing-api» это один узел. Заведите справочник синонимов и сливайте дубли до загрузки.
- Выберите хранилище: для сотен и тысяч узлов хватает таблицы рёбер в PostgreSQL (статья про pgvector) или словаря в памяти, для миллионов и сложных обходов подойдёт графовая база.
- Подключите граф к модели одним из трёх способов и сравните с обычным RAG на тех же вопросах.
- Настройте обновление: когда меняется источник, соответствующие узлы и рёбра обновляются, а не копятся (общая логика как в статье как обновлять знания LLM).
Пример: проверка извлечённых фактов по схеме и обход зависимостей
Допустим, мы описываем ИТ-сервисы компании. Схема задаёт допустимые отношения и типы. Кандидаты в граф (например, результат извлечения моделью) проходят проверку: неверные тройки отбрасываются. Затем по графу строится запрос «что затронул инцидент» и формируется набор фактов для промпта.
from collections import defaultdict, deque
SCHEMA = { # отношение: (тип субъекта, тип объекта)
"depends_on": ("Service", "Service"),
"owned_by": ("Service", "Team"),
"affects": ("Incident", "Service"),
}
TYPES = {
"checkout": "Service", "billing-api": "Service", "postgres-main": "Service",
"team-payments": "Team", "team-data": "Team", "inc-1042": "Incident",
}
def validate(triple):
s, rel, o = triple
if rel not in SCHEMA:
return f"неизвестное отношение: {rel}"
dom, rng = SCHEMA[rel]
if TYPES.get(s) != dom or TYPES.get(o) != rng:
return f"типы не подходят для {rel}: {s} ({TYPES.get(s)}), {o} ({TYPES.get(o)})"
return None
candidates = [ # например, результат извлечения из текста моделью
("checkout", "depends_on", "billing-api"),
("billing-api", "depends_on", "postgres-main"),
("billing-api", "owned_by", "team-payments"),
("postgres-main", "owned_by", "team-data"),
("inc-1042", "affects", "postgres-main"),
("checkout", "owned_by", "inc-1042"), # ошибка модели: владельцем не может быть инцидент
("checkout", "uses", "billing-api"), # такого отношения нет в схеме
]
graph = defaultdict(set)
for t in candidates:
problem = validate(t)
if problem:
print("отклонено:", t, "-", problem)
continue
graph[t[1]].add((t[0], t[2]))
def upstream(service: str) -> set[str]:
"""Кто прямо или косвенно зависит от сервиса: обход depends_on в обратную сторону."""
reverse = defaultdict(set)
for s, o in graph["depends_on"]:
reverse[o].add(s)
seen, queue = set(), deque([service])
while queue:
for dep in reverse[queue.popleft()]:
if dep not in seen:
seen.add(dep)
queue.append(dep)
return seen
def facts_for_prompt(incident: str) -> list[str]:
hit = {o for s, o in graph["affects"] if s == incident}
scope = set(hit)
for svc in hit:
scope |= upstream(svc)
owners = {s: o for s, o in graph["owned_by"] if s in scope}
return ([f"{incident} affects {svc}" for svc in sorted(hit)]
+ [f"{s} depends_on {o}" for s, o in sorted(graph["depends_on"]) if s in scope and o in scope]
+ [f"{s} owned_by {t}" for s, t in sorted(owners.items())])
print(facts_for_prompt("inc-1042"))
Результат: две тройки отклонены, а для инцидента inc-1042 собран список из пяти фактов: что затронуто, цепочка зависимостей до checkout и команды-владельцы. Его подставляют в промпт:
Ответь на вопрос только по фактам ниже. Если фактов недостаточно, так и скажи.
В ответе укажи, какие сервисы затронуты и какие команды надо уведомить.
Факты:
{facts}
Вопрос: Кого уведомить по инциденту inc-1042?
Здесь модели остаётся простая работа, с которой справляется и небольшая (как выбрать размер), а точность по связям обеспечивает код. Для промышленной версии замените словарь на базу и проверку по схеме на SHACL: библиотека pySHACL принимает граф данных и граф форм и возвращает признак соответствия и текст отчёта через функцию validate.
Типичные ошибки
- Слишком большая схема на старте. Начинайте с вопросов, а не с моделирования «всего мира».
- Доверие к извлечению без проверки. Модель выдумывает отношения и путает направление; проверка типов и ссылка на исходный фрагмент снижают число таких тройк в графе.
- Дубли сущностей. Один сервис под тремя именами ломает обход.
- Всё содержимое графа в промпт. Передавайте окрестность и пути, а не весь граф.
- Отсутствие замера. Если граф не дал прироста над RAG на ваших вопросах, он лишь усложнил систему.
- Граф как замена SQL. Агрегации и фильтры по таблицам лучше оставить базе данных.
Где этим пользуются агенты
Граф особенно полезен агентам, которым нужно планировать действия и проверять условия перед вызовом инструментов. Это отдельная тема: как граф знаний помогает ИИ-агенту планировать и проверять действия. Если же вам нужен лёгкий способ извлекать сущности из текстов в граф, посмотрите извлечение сущностей маленькой моделью.
Итого
- Онтология это схема (классы, отношения, ограничения), граф знаний это данные по ней. Начинать можно с таблицы рёбер и кода.
- Граф окупается для вопросов про связи, цепочки и агрегации с проверяемым ответом; для вопросов по смыслу текста хватает RAG.
- Способы подключения: окрестность графа в промпте, запросы Cypher или SPARQL с защитой, GraphRAG из текстов.
- Каждую извлечённую моделью тройку проверяйте по схеме и храните источник.
- Сравнивайте с обычным RAG на своих вопросах: граф нужен, только если он даёт прирост.