GraphRAG 阅读器如何按章节限制回答

开源电子书阅读器 LORE 想解决一个具体问题：忘了小说里的配角是谁，搜索结果却直接剧透结局。作者把电子书转成知识图谱，让问答依据读者当前章节及之前的文本生成，并要求每句话附带引用。节选里最有借鉴价值的，是它如何把阅读进度变成检索边界，以及如何检查引用是否真的支持回答。

目前能确认什么

LORE 支持上传 EPUB 或 PDF，先切分章节和段落，再用 LLM 提取人物、地点、事件及关系，并合并同一实体的不同称呼。图谱存入 Kuzu，段落向量存入 LanceDB；向量由 Ollama 上的 nomic-embed-text 在本地生成，实体提取则需要用户提供 Gemini、Claude 或 OpenAI 的 key。

GraphRAG 将知识图谱与检索增强生成结合。向量搜索负责寻找相关文本，图谱负责沿实体关系补充线索，适合追踪人物在系列作品中的变化。

防剧透的主要措施，是在检索时限制章节范围。

按节选描述，每次向量搜索、图查询和人物资料查询都会应用阅读进度过滤。回答也不是直接拼出来：系统先提取带原文引句的断言，再检查引句是否存在、是否支持断言，最后生成逐句引用的正文。作者还记录了检查结论反复、人物动作关系写反等问题。

我的判断

程序员最值得借鉴的是把「允许回答什么」落实到数据查询层。类似设计可以用于课程进度问答，让后续章节不进入回答上下文。

但引用存在，不代表回答正确。「A 指责 B」写成「B 指责 A」，照样可以挂上真实出处。逐句引用需要配合语义核验，作者遇到的问题已经说明了这一点。

还有两处边界需要更多材料确认：全书预处理时，后文揭示的身份是否会影响前文实体合并；多跳图查询是否始终保留章节约束。系统也会在受限检索无结果时，额外做一次不限章节的搜索来判断答案是否在后文。节选称这一步不调用模型，但「后面有答案」这条提示本身，仍可能透露悬疑线索。