**知识图谱的准确率=覆盖率**✖️**召回率** > 我们去年做一个面向法律行业的合同审查产品。最初的方案很直接，就是把法条文本扔进向量数据库，做[[RAG]]。结果发现效果极差，模型经常胡说八道。后来复盘发现，法律文本的上下文关联性极强，简单的按段落切分会破坏语义。最后我们是怎么解决的？我们引入了知识图谱*，先把法条间的引用关系、依赖关系构建成图，检索时不仅做向量相似度检索，还做图游走，把相关的上下文节点一起找出来再喂给模型。你看，这个问题不深入到业务和技术细节里，你是根本想不到的。在这种中小厂的项目里，你就有机会去经历这种从“失败“到”解决”的全过程。 >