Documentation
先秦逸诗 GraphRAG 使用文档 📚
这不是“普通问答页”的补充说明，而是一份面向研究工作流的操作手册。你可以把它理解成：先学会怎么问，再学会怎么看图、怎么比较、怎么回证据。
Quick Start
🚀 快速开始
这套系统适合做什么
- 查某首作品见于哪些版本、哪些是原始见载与后世转引。
- 看某条题名是否存在异名、合条、分条、归属或真伪争议。
- 问某首诗的语言、意象、手法、结构、情感和背景。
- 从一首诗延伸到人物、事件、地点与其他诗篇的共享线索。
第一次上手建议这样做
- 先在聊天页问一个具体问题，不要一开始就问“介绍一下”。
- 根据需要切换回答层级：简要适合扫一眼，标准适合常规使用，深入适合保质量。
- 再去联系图谱读取当前对话作品，看跨诗篇关系。
- 最后把感兴趣的作品加入比较列表，生成比较视图或大模型比较。
如果你的问题能明确说出作品名、来源、争议点、维度或关联对象，系统的回答通常会明显更稳。
✅ 特别适合的问题
- “这首诗见于哪些版本？哪些是原始见载？”
- “某个题名是不是异名、合条或分条？”
- “这首诗的语言、意象、结构和主旨如何拆开看？”
- “这首诗和哪些诗共享人物、事件、地点或手法？”
❌ 不适合直接这么问
- “随便给我讲讲这首诗。”
- “这首诗是不是很好？”
- “谈谈所有先秦逸诗的意义。”
- “给出最终学术定论。”
Prompting
🎯 怎么提问才更像研究问题
先不要想着“怎么问得像聊天”，而要先判断你是在问全库、单篇基础事实、单篇深入分析，还是跨作品比较。问题类型一旦清楚，路由和回答都会稳很多。
📚 问单篇基础事实
适合先问“这首诗主要见于哪些书、有哪些主要版本见证、它是什么”。
例如：越人歌的主要版本见证和来源书有哪些？
🔬 问单篇深入分析
适合问异文、按语、归属争议、六维分析、人物事件地点和背景脉络。
例如：南风歌的异文、按语和归属争议该怎么理解？
🌐 问全库结构
适合问整个语料库里什么最集中、什么最常见、哪些文献最关键。
例如：从全库看，先秦逸诗的见证最集中出现在哪几类文献中？
🕸️ 问跨作品比较
要明确写出两首或多首作品，并指出你要比较的是联系、共同点还是差异。
例如：越人歌和箕山歌在人物处境、空间场景和情感基调上有哪些联系与差异？
如果问题里没有明确作品名，通常更像全库题；如果只问某首诗“主要见于哪些书”，通常是基础事实题；如果开始问异文、按语、结构、人物背景，就是单篇深入题；如果同时点出两首诗并要求比较，那就是跨作品题。
尽量不要只问“介绍一下”“谈谈意义”“好不好”“怎么理解”这类泛问。你只要补出作品名、比较对象、争议点或分析维度，回答质量通常就会立刻提升。
Six Dimensions
✍️ 六维诗歌分析
这套系统不是临时生成一段赏析，而是把六维分析做成了结构化知识：语言与修辞、意象与意境、表现手法、结构与章法、情感与主旨、背景与知人论世。
推荐问法
- 击壤歌的语言风格有什么特点？
- 卿云歌的意象和意境是什么？
- 越人歌用了哪些表现手法？
- 成相杂辞（三章）的结构与章法有什么特点？
- 击壤歌表达了什么情感与主旨？
你会得到什么
- 不是空泛赏析，而是有维度标签、证据短语和判断边界。
- 若存在争议，系统会把不同结论的置信度和证据边界区分开。
- 在联系图谱里还能继续看到“同意象 / 同手法 / 同结构”的相关诗篇。
先单独问一个维度，再去联系图谱里看“同意象 / 同手法 / 同结构”的相关诗篇。这样比一次把六维全部混着问，更容易得到干净的结构化答案。
Knowledge Discovery
🧭 人物 / 事件 / 地点知识发现
这条能力把作品从“文本”扩展成“关系网络”。它适合问：诗里出现了谁、发生了什么、地点在哪里，以及这些线索如何和其他诗篇连接。
推荐问法
- 饭牛歌涉及什么人物、事件和地点？
- 接舆歌里有哪些事件线索？
- 越人歌涉及哪些地点背景？
典型输出
- 共享人物的其他诗篇
- 共享事件的相关诗篇
- 共享地点的传播或叙事网络
- 可继续追问的人物、事件、地点关系
六维分析回答的是“这首诗怎么写”，知识发现回答的是“这首诗和谁、什么事、什么地方连在一起”。两者结合起来，才是完整的研究辅助路径。
Graph Exploration
🕸️ 联系图谱
核心入口
- 生成图谱：以图谱页输入框内容为准。
- 读取当前对话作品：直接拿聊天页最近问题做中心作品。
- 全部 / 六维分析 / 人物事件地点：切换关系视角。
- 关系分组：按同意象、同手法、同人物、同地点等分组阅读。
右侧工作区
- 推荐切换：快速换一个更值得继续看的中心作品。
- 节点详情：看作品信息、六维摘要、知识发现摘要、版本见证摘要。
- 追加一跳邻居：直接把当前节点的相关作品继续扩进图里，而不是只能重设中心。
- 比较列表：把几个相关作品先收起来，后面统一比较。
- 工作区：保存当前图谱、比较列表、筛选状态和视图位置，便于稍后继续。
- 导出图谱：按当前视角导出 Markdown 或 JSON。
🧪 数据源标记怎么看
- Neo4j 混合：人物 / 事件 / 地点这部分优先来自 Neo4j 图查询，六维分析仍走本地稳定逻辑。
- 本地回退：Neo4j 这次没成功返回，所以退回本地逻辑，页面还能继续工作。
- 本地逻辑：当前这张图没有走 Neo4j，主要由已有结构化结果直接组织出来。
🖱️ 图谱交互建议
- 先切视角，再看关系分组，不要一开始就在“全部”里硬看。
- 先点节点，再看右侧详情，而不是只看标签文字。
- 如果图太密，优先换中心作品，而不是一直缩放。
- 看到合适节点后直接“加入比较”，不要只停在图上浏览。
Compare Workspace
⚖️ 比较列表与对照视图
加入比较
先点图上的节点，再在右侧节点详情里点“加入比较”。
比较视图
在图谱页内直接生成并列对照视图，适合肉眼先看共同点和差异点。
大模型比较
把当前中心作品和比较对象发回聊天页，形成一条结构化比较回答。
📊 比较视图适合做什么
- 先看共同点和差异点的大方向。
- 切换成“六维分析 / 人物事件地点 / 版本见证”单独比较。
- 指定“主参考”，让所有作品都围绕它比。
- 快速发现哪些作品其实不值得继续放在同一组里比较。
🤖 大模型比较适合做什么
- 把比较对象转成一条完整的、可复制的文字结论。
- 继续追问“为什么差异在这里”“证据链怎么支持这个判断”。
- 把前面图谱浏览得到的直觉转成结构化回答。
先用比较视图确认对象选得对不对，再用大模型比较生成可导出的结论。
跨作品比较题现在已经做成“比较优先”引擎：完整链路优先，若不稳定则回退到双作品比较直出，而不是塌成单篇分析。它仍然是全系统最慢的一类问题，但现在慢得更有价值。
Templates
🧩 推荐模板
下面这些模板可以直接点，系统会把问题回填到聊天框。
Routing
🧭 四种查询模式
这四个模式不是技术名词装饰，而是四种明确职责。你不需要手动选，但必须知道它们分别在处理什么问题。
一句话分工
- Global：负责全库格局和整体来源网络。
- Basic：负责单篇基础事实与主要来源。
- Local：负责单篇深入分析、争议和结构化证据。
- DRIFT：负责跨作品联系、共同点和差异。
实际建议
默认优先用自动路由。你只需要把问题问清楚，系统会先判断模式，再把理由展示在“路由详情”里。你真正需要学会的是：不同模式各自适合什么，不适合什么。
🌐 Global：全库问题
- 适合：整体格局、文献来源网络、哪些文献最常见、哪些枢纽最关键。
- 不适合：某一首诗的异文、按语、归属争议和细读分析。
- 例句：从全库看，先秦逸诗的见证最集中出现在哪几类文献中？
📌 Basic：单篇基础事实
- 适合：某首诗主要见于哪些书、主要版本见证有哪些、这首诗是什么。
- 不适合：题名争议、异文校勘、结构分析、人物背景深挖。
- 例句：越人歌的主要版本见证和来源书有哪些？
🔬 Local：单篇深入分析
- 适合：六维分析、异文、按语、归属争议、人物事件地点与背景脉络。
- 不适合：跨诗篇比较和全库统计。
- 例句：南风歌的异文、按语和归属争议该怎么理解？
🕸️ DRIFT：跨作品探索
- 适合：两首或多首作品的联系、共同点、差异、共享人物/场景/主题。
- 不适合：只围绕一首作品的基础版本问题。
- 例句：越人歌和箕山歌在人物处境、空间场景和情感基调上有哪些联系与差异？
先问自己一句：我现在是在看全库、看单篇基础事实、看单篇深入分析，还是看跨作品关系？只要这一步判断对了，自动路由通常就会更稳定，回答也更容易贴题。
Reading Results
🔎 怎么看结果
路由详情
看这次为什么被判成 Global / Local / DRIFT，以及是否用了回退路径。
上下文摘要
看这次回答到底用了多少实体、关系、来源、claims 或社区报告。
证据抽屉
看原始定位、来源标题和证据分组，决定下一步是否继续追问。
不要只盯着正文回答。真正决定这套系统质量的，是它为什么这么答、用了多少证据、证据落在哪、是否保留了争议边界。
Operations
🛠️ 运行与恢复
项目级回归
- 不是只测单个问答，而是同时覆盖聊天、图谱和扩图接口。
- 适合在改路由、换模型、调图谱逻辑之后跑一遍。
- 目的是避免“某一块变快了，另一块 silently 退化”。
last-known-good
- 这是当前仓库里明确记录过的最后一个可用工作态。
- 当 provider、补丁或本地环境被折腾乱了时，优先回到这里。
- 它是恢复锚点，不是“最新功能最多”的意思。
图谱工作区
- 适合保存一个已经筛好的研究工作面，而不是临时截图。
- 会同时保存当前图谱、比较列表、筛选器和视图位置。
- 尤其适合你已经选好一组作品、准备之后继续比较的时候。
什么时候该用这些能力
- 改了系统以后：先跑项目级回归。
- 当前链路不稳定：回到 last-known-good。
- 图谱已经筛到一半：保存工作区，而不是重新找节点。
先用回归确认系统没退化，再进入图谱工作区展开比较。这样研究工作流和工程稳定性是连在一起的，不会互相打架。
Common Pitfalls
⚠️ 常见误用
问法太泛
“介绍一下”“谈谈意义”信息密度太低。建议改成版本、维度、关系、争议四类问题。
明明要看图，却一直留在聊天页
如果已经得到某首诗的答案，下一步要看关联，直接去联系图谱并读取当前对话作品更高效。
把比较列表当一次性按钮
它是工作区。你可以先加多个作品、拖拽排序、设参考，再决定怎么看。
混淆比较视图和大模型比较
前者适合肉眼比差异，后者适合生成结构化结论并进入聊天线程继续追问。
Workflow
✅ 推荐流程
- 先问：在聊天页问一个具体、明确的研究问题。
- 再看：确认路由详情和上下文摘要是否走对。
- 再扩展：切到联系图谱读取当前作品，查看跨诗篇共享线索。
- 再比较：把相关作品加入比较列表，先看比较视图，再决定是否做大模型比较。
- 最后回证据：用证据抽屉和定位信息回到原始来源。
聊天页负责提出问题，联系图谱负责展开关系，比较视图负责并排对照，证据抽屉负责回到文本原点。
FAQ
🛠️ FAQ / 故障排查
为什么聊天页有时回答偏泛？
通常是问题本身太泛。优先把问题改成“作品名 + 版本 / 维度 / 争议 / 关系”的形式，再看回答是否更聚焦。
为什么联系图谱和聊天页结果不完全一样？
聊天页以问答和证据回溯为中心，联系图谱以跨诗篇关系探索为中心。两者目标不同，所以展示重点也不同。
比较视图和大模型比较到底该用哪个？
比较视图适合你先肉眼确认对象和差异；大模型比较适合你已经确定对象后，让系统生成一段结构化比较结论。
为什么有时看不到想要的证据？
先检查回答下方的“路由详情”和“上下文摘要”。如果本次没有调到足够的 claim 或 source，优先收窄问题而不是盲目追问。
图谱上的节点太多，看不清怎么办？
先切到“六维分析”或“人物事件地点”视角，再使用关系分组，只看同一类共享线索。这样比在全部视角硬看更有效。
什么时候该用使用文档页？
第一次上手、想弄清按钮区别、图谱怎么生成、比较怎么做、或者感觉结果和预期不一致时，都应该先回来查这里。