航空事故致因抽取与知识图谱项目 (Aviation Accident Analysis)

本项目基于 Microsoft GraphRAG 框架 ，旨在自动从航空事故报告中抽取实体与因果关系，并构建符合“人-机-环-管”框架的知识图谱。

项目结构

• data/: 原始数据与地标数据。

• input/: GraphRAG 输入目录（清洗后的文本）。

• output/: GraphRAG 输出结果（Parquet, GraphML 等）。

• prompts/: 自定义的 GraphRAG 提取提示词。

• src/:

  • ingest.py: PDF/DOCX 解析与文本清洗。

  • evaluate.py: 提取准确率与 F1 分数评测脚本。

• run.sh: 一键运行脚本。

• settings.yaml: GraphRAG 配置文件。

Related MCP server: docsearch

环境要求

• Python 3.10+

• uv (推荐)

环境配置注意事项

• 若遇到 LLM 连接错误，请检查 settings.yaml 中的 api_base 是否配置正确。在某些 Docker 或受限环境中，建议将 localhost 修改为 127.0.0.1。

• 本项目已对 prompts/extract_graph.txt 中的抽取示例进行了优化，通过引入复杂场景示例，提升了在航空事故报告中的实体抽取表现。

Prompt 优化与评估记录 (2026-07-24)

优化策略

针对航空事故报告的复杂性，对 prompts/extract_graph.txt 进行了多轮手动迭代优化：

1. 实体原子化：强制拆分复杂短语（如“燃油管路破裂”拆分为实体“燃油管路”与关系“破裂导致”），提升知识图谱的结构化程度。

2. 严格去噪：建立了否定约束，排除通用职衔（如单独的“机长”）和指示代词（如“该部件”），提升精确率。

3. 少样本增强：集成了 few_shot_data.csv 中的高质量航空事故致因链示例，引导模型识别长程因果关系。

4. 因果链强制构建：明确 [因素] -> [事件] -> [结果] 的链条要求。

评估结果 (Fuzzy Match)

通过 scripts/run_automated_evaluation.py 运行自动化评估，对比 data/ground_truth.json 得到以下指标：

结论：实体抽取的精确率和 F1 分数相比基准版本有显著提升。关系抽取受限于本地模型的指令遵循能力，仍有优化空间。

MCP 服务 (Model Context Protocol)

本项目提供了一个 MCP 服务，方便通过 MCP 客户端（如 Claude Desktop）直接调用文档解析与提示词生成功能。

核心功能

• 文档解析：支持 PDF、DOCX、TXT 格式的自动解析与清洗。

• 提示词注入：将解析出的文档内容自动注入到指定的提示词模板中。

启动方式

uv run mcp_server.py

可用工具

1. upload_and_generate_prompt:

   • 参数 file_path: 文档路径。

   • 参数 template_name: prompts/ 目录下的模板名（默认 extract_entities）。

2. list_available_templates: 列出所有可用的提示词模板。

🐳 一键启动 (Docker)

如果你想快速启动整个分析环境（包含 Neo4j 数据库和 MCP 服务），可以使用 Docker Compose：

docker-compose up -d

启动后：

• Neo4j 控制台: http://localhost:7474 (默认账号: neo4j, 密码: password)

• MCP 服务: 已在容器内运行，并自动连接到容器内的 Neo4j。

运行流程

1. 将事故报告（PDF/DOCX/TXT）放入 data/input_reports。

2. 运行流水线：

   bash run.sh

使用 Ollama (本地 LLM)

在 settings.yaml 中修改 completion_models 和 embedding_models：

completion_models:
  default_completion_model:
    model_provider: openai
    api_base: http://localhost:6006/v1
    model: llama3 # 或其他模型
    api_key: ollama # 占位符

注意：GraphRAG 对本地模型的支持取决于模型的遵循指令能力。

提取 Schema (人-机-环-管)

• 实体类型: person (人), equipment (机), environment (环), organization (管), procedure, event, weather, violation.

• 关系类型: leads to, limited by, violates, not executed, belongs to.

Neo4j 知识图谱导入

• 本项目支持将 GraphRAG 提取的实体与关系导入 Neo4j 图数据库。

• 使用 src/export_to_neo4j.py 脚本完成导入。

• 已配置 Docker 容器运行 Neo4j 实例，确保能够正常连接。