先说结论：知识图谱项目失败的多数原因不在图数据库选型，也不在算法，而在结构化抽取这一层没做扎实。抽取出来的是脏数据，后面再好的图查询和推理都是在垃圾上做乘法。

一、Schema 先瘦：只抽"会被查询"的关系

很多团队一上来就照着行业本体标准建几百个实体类型、上千种关系。实际结果是标注成本爆炸、模型准确率被长尾关系拖死，上线后八成关系从没被查过。务实做法是反推查询：请业务方列出真的会问的二十个问题，能落到图上的通常不超过五类关系。先把关系类型控制在十个以内，跑通端到端链路，再按真实查询频次扩展。判断标准很简单：一个问题如果 SQL 或向量检索就能答好，它就不该进图谱。

二、抽取指标要分开算：精确率优先于召回率

把 P/R/F1 揉成一个数报给业务方，上线一定会翻车。图谱里的错误关系会被反复查询放大，还特别难被发现。验收时分开看：抽 200 条样本人工核对，精确率做到 0.9 以上；召回率允许先停在 0.6 到 0.7，缺口用人工补录加置信度阈值兜住。工程上每个三元组都要带 confidence 和 source_span 两个字段，前者决定要不要进人工队列，后者记录原文位置，是后期排错的唯一抓手。没有 source_span 的图谱，出了错连回溯都做不到。

三、实体消歧不做，图谱半年就废

同一家公司在文档里有全称、简称、带括号的旧名，不去重就会得到一堆互不相连的碎片节点，关系网络直接失效。消歧分两级：规则层优先，用统一社会信用代码、标准号、DOI 这类强标识做精确匹配，能覆盖的绝不上模型；相似层再做名称归一化后的编辑距离或向量相似度，超过阈值一律进人工确认队列，不要自动合并。也别在图上做物理合并，保留 alias 表和"同一实体"标记，合并动作可回滚。

四、把抽取当数据管道维护，而不是当模型项目

政策文件改版、产品换代、术语迁移，抽取规则的有效期往往只有三个月。所以要按管道而不是按模型来运营：抽取结果带上 schema 版本和模型版本；维护五十到一百条回归样本，每次改 prompt 或换模型先跑一遍；抽不出来的样本回流成标注数据，形成闭环；变更走灰度，新版本只处理新增文档，历史不重刷。全量重刷的成本通常是首次建设的数倍，最容易被低估。

写在最后

知识图谱的价值不在图有多大，而在有多少条关系真的被查询用到。先把五类关系做到九成精确率、能稳定回答二十个真实问题，远比一张几百万节点、没人查的大图有用。抽取这层做扎实，图才有意义。

——文/吴佳文，广东省人工智能与机器人学会副秘书长，长期关注AI产业落地与人工智能人才培养。