1.1 立项原因，解决什么问题
植物学知识分散在论文、志书和百科中，蒿属 500+ 物种的多维度信息（分类学、化学成分、地理分布、用途）缺乏统一的结构化查询入口。关系型数据库难以自然表达「植物 → 化学成分 → 药理活性」这类多跳语义关联，通用 AI 聊天机器人的回答缺乏可溯源的数据支撑。本项目将蒿属植物学知识建模为图数据库（Neo4j），以 DeepSeek 大模型作为自然语言入口，解决「中文自然语言提问 → 结构化知识检索 → 带来源引用的答案生成 → 可视化子图呈现」的全链路问题。
1.2 行业场景与业务背景
项目定位于植物学 × 知识图谱工程 × AI 应用交叉领域。蒿属是菊科最大属之一，青蒿素获诺贝尔奖后学术与产业关注度高，覆盖药用、食用、生态修复、花粉过敏等多个社会关切方向。典型业务场景包括：植物研究者查询分类学层级与化学成分关系、中药学人员追溯药材产地与活性物质、公众查询过敏原植物的花期与分布、以及作为知识图谱+LLM 技术整合的演示案例展示全栈工程能力。
功能模块总览
系统由 4 大模块 构成：
模块 说明
① 智能问答 三阶段流水线：意图分类+实体抽取 → 图谱检索 → LLM 带引用答案生成
② 图谱可视化 vis-network 力导向图，18 种节点类型配色，交互式探索
③ REST API 6 个 JSON 端点，覆盖问答、图谱数据、搜索、类型筛选、统计
④ 页面架构 首页（问答+图谱预览）、全屏图谱浏览页，响应式双断点
2.2 核心功能描述
智能问答：用户输入中文问题，系统调用 DeepSeek 一次性完成意图分类（问候/知识/无关）和实体抽取（从 13 种图谱节点类型中识别），然后检索 Neo4j 并展开 1 跳邻域，最后 LLM 基于图谱上下文生成带来源节点编号 [42] 标注的回答。前端的引用徽章可点击展开对应节点，实现「答案 → 数据源」溯源闭环。
图谱可视化：力导向布局的交互式图谱。单击节点弹出详情（含所有属性），双击展开邻域；侧边栏类型筛选面板支持单击单选和 Ctrl+多选；搜索框输入关键词即定位子图；工具栏提供缩放、刷新、物理引擎启停等操作。问答结果返回后自动高亮相关节点并居中缩放，3 秒后取消选中保持视线干净。
3.1 负责的具体任务
作为独立全栈开发者，从 0 到 1 完成：① 系统架构设计（Django+Neo4j+DeepSeek 三件套 + 三阶段 QA 流水线）；② Neo4j 知识图谱 Schema 设计与数据建模（13 种节点类型）；③ 后端开发——Neo4j 只读客户端（全文索引/jieba 分词降级/邻域扩展/去重合并）、DeepSeek LLM 客户端（错误分级处理/SSL 自适应）、6 个视图函数 + 日志系统；④ 前端开发——首页 878 行 + 全屏图谱页 588 行内联 JS、809 行手写 CSS 设计系统（OKLCH 色空间/18 组节点配色/WCAG 2.1 AA/reduced-motion 支持）；⑤ 安全设计（只读 session + 参数化防注入 + JS 整数精度保护）。
3.2 技术栈与架构
后端：Django 6.0 + Neo4j 5.x（Bolt）+ DeepSeek v4-flash（OpenAI 兼容）+ jieba 中文分词 + requests。前端：原生 JS + vis-network 9.1.9 + CSS OKLCH 自定义设计系统，零框架、零构建步骤。架构：Django MVT 模式，核心为三阶段 QA 管道（views.py 558 行）→ utils/neo4j_client.py（567 行只读驱动）→ utils/llm_client.py（115 行 API 封装）。
技术亮点：① 全文索引优先 + jieba 分词降级的双路径检索策略，保证索引缺失时系统仍可用；② 大整数 ID 自动转字符串防 JS Number 精度丢失（_safe_id()）；③ 单次 LLM 调用同时完成意图分类和实体抽取，效率优于两次调用；④ 类型筛选面板的响应式位移逻辑跟随侧边栏开关联动；⑤ 问答-图谱双向联动——答案引
评论