# 知识工程

**Repository Path**: wuhushangjiang_1/knowledge-engineering

## Basic Information

- **Project Name**: 知识工程
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2026-09-03
- **Last Updated**: 2026-09-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 多专业培养计划 GraphRAG 问答系统

当前版本 **0.5.0（2026-09-14）**。已整合人工智能、网络空间安全、计算机科学与技术、软件工程、马克思主义理论五个专业，默认进入跨专业统一问答，也可切换单专业检索。

本次保留main的AI/网安数据与补修比较、cs的计划项模型及多跳检索、soft-engineering的软件工程模块、my的马院课程和知识资料。分支来源、修复与验证见 [五专业合并说明](docs/five_program_integration.md)。

> 培养方案建议学期不等于学校正式先修要求。课程关系属于项目推断。马院扫描件整理数据的学分、学期含估算值，回答会保留这一说明；涉及该方案的按时间补修计算会提示资料不足。

## 数据规模

| 专业 | 培养方案 ID | 原始计划项 | 去重课程 | 推断边 |
| --- | --- | ---: | ---: | ---: |
| 人工智能 | tju-ai-2024 | 105 | 95 | 302 |
| 计算机科学与技术 | tju-cs-2024 | 121 | 111 | 54 |
| 网络空间安全 | tju-cybersecurity-2024 | 103 | 93 | 300 |
| 软件工程 | tju-se-2024 | 106 | 96 | 306 |
| 马克思主义理论 | tju-marxism-2024 | 90 | 77 | 525 |

共525条计划项、212个不同课程代码。AI与网安共有64个代码，五份数据交集为36个代码。这不是学生已修课程数量，也不是学分互认结论。同一课程在不同方案中的学分、性质和学期可以不同。

- AI、计科、软件工程从提供的2024级PDF直接解析。
- 网安沿用此前确认，将2025级源文件映射用于2024级，保留source_cohort=2025。
- 软件工程修复23列表格漏行，记录从80补齐为106，并处理第83条跨页性质。
- 马院沿用my分支整理的90条记录，绑定扫描件指纹，明确标注学分换算、学期估算和粗粒度页码。
- 原始PDF不提交Git，已提交JSON足以运行问答；重建所需文件见 [data/raw](data/raw/README.md)。

## 安装与启动

Python支持3.11–3.13。在仓库根目录执行：

```powershell
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -e ".[dev]"
.\.venv\Scripts\python.exe -m streamlit run app/streamlit_app.py
```

已有虚拟环境可复用。仓库位置改变后重新安装，以更新可编辑安装路径。不要覆盖已有.env；真实模型参照.env.example配置DeepSeek或Ollama。

网页默认**内置关系图 + 离线证据预览**，不需要密钥，明确标注“未调用LLM”。侧栏可切换真实模型和Neo4j。

## 示例与命令行

- 人工智能和网安有哪些共同课程？
- 五个专业有哪些共同课程？
- 计科和软件工程的专业核心课有什么不同？
- 计科：从程序设计原理到算法设计与分析有什么多跳路径？
- 大二结束从网安转到AI需要补修哪些专业课？
- 马院的马克思主义基本原理一哲学部分主要学习哪些知识？

```powershell
python scripts/ask.py --retrieval-only "五个专业有哪些共同课程？"
python scripts/ask.py --program cs --retrieval-only --mode graph "从程序设计原理到算法设计与分析有什么多跳路径？"
python scripts/ask.py --program se --retrieval-only "第六学期有哪些课程？"
```

--program支持完整ID和ai/cybersecurity/cs/se/marxism；统一问答用all。注册表兼容旧大写ID。

## 重建与Neo4j导入

统一配置：[data/programs.json](data/programs.json)。

```powershell
python scripts/parse_curriculum.py --all
python scripts/infer_curriculum_relations.py --all
python scripts/import_neo4j.py --all
```

也可用--program se等单独处理。解析校验记录数和字段；计科、软件工程及马院固定整理数据还校验PDF指纹。换版PDF需要重新核对配置。培养方案与推断文件来源指纹必须一致。

Neo4j需启动并配置NEO4J_URI、NEO4J_USER、NEO4J_PASSWORD、NEO4J_DATABASE。采用Program/ProgramCourse/PlanEntry模型，课程身份共享、原始计划项分别保存，每个专业的事实、关系、知识映射在同一事务中导入。

旧0.4数据库不会随代码自动迁移。新导入后刷新网页缓存；旧大写programId关系可能保留，新问答按新模型和小写ID查询。最初合并未连接原运行数据库；后续完整系统验收已完成实库迁移和五专业导入。旧名称约束迁移使用 python scripts/migrate_neo4j_schema.py --apply，默认不带--apply仅检查。

## 实现范围

- PDF解析、来源页与指纹、课程代码对齐、原始计划项保存。
- 中文字符TF-IDF；通用Hybrid交替合并文本和图证据。
- 计科独立路由、有界多跳搜索与RRF融合。
- 五专业交集、专业差异与带条件的候选补修。
- 公开知识按培养方案限定映射，不自动当作其他专业官方大纲。
- 统一入口允许声明范围内的跨专业证据；单专业服务继续拒绝混入其他方案。

补修计算假设来源专业同期必修课已通过，同代码或规范化后同名按项目规则视为覆盖。没有个人成绩或教务审批数据。“大三结束不可转”是沿用的演示规则，不是已核验的学校政策。

## 验证

```powershell
python -m pytest -q
python scripts/evaluate_cs.py
python scripts/evaluate_multi_program.py --output reports/integration_isolation.json
python scripts/evaluate_retrieval.py --program tju-ai-2024 --output-dir reports/integration-ai
```

2026-09-14完整系统验收：**153 passed，0 skipped**，已启用Neo4j实库测试。另完成30项检索组合、7个DeepSeek真实问答场景及8项浏览器检查，Ruff检查通过。详见 [完整测试报告](reports/system_validation/README.md)。

计科检索验收10/10；AI/计科实库隔离18/18；AI Hybrid固定集10/10、Recall@12=0.967。这些不是生成答案准确率。最新真实模型和实库结果位于reports/system_validation/；其他旧reports/cs_*及交付说明含原分支历史记录。

## 主要目录

```text
app/                         Streamlit统一界面
src/course_graphrag/
  programs.py                五专业注册表
  ingestion/                 PDF、整理数据、归一化
  cs/                        计科规则、路径、检索
  graph/                     通用规则与Neo4j
  retrieval/                 文本、图、跨专业查询
  generation/                证据约束与问答
data/programs.json           专业配置入口
data/processed/              可运行的结构化数据
data/rules/                  专业规则
data/curated/                公开课程知识
data/raw/                    本地PDF
tests/                       离线及可选实库测试
docs/five_program_integration.md  本次合并说明
```