Automap：基于多智能体架构的自动化知识图谱生成系统

本文介绍Automap系统，这是一个利用大语言模型（LLM）和LangGraph实现自动化RML映射与知识图谱物化的智能体流水线。其核心特点包括去中心化多智能体架构、多层次自校正验证机制、终端优先的可观测性设计，可完成从CSV模式分析到最终KG验证的完整流程，旨在解决传统手动编写RML映射规则耗时易错的问题。

在数据集成与语义网领域，将CSV等结构化数据转换为知识图谱（KG）是常见但复杂的工作。传统方法依赖领域专家手动编写RML映射规则，过程耗时且易出错。随着LLM兴起，Automap项目应运而生，目标是构建完全自动化的智能体流水线，无需人工干预即可完成从CSV模式分析到KG物化的全过程。

Automap采用去中心化多智能体架构，基于LangGraph实现协作与状态流转。核心流程包括：1.模式分析（提取CSV列名、样本值及数据类型）；2.本体侦察（解析本体文件中的类、对象属性和数据属性）；3.语义映射（LLM推理连接CSV列与本体概念）；4.模式对齐（规划实体结构与跨引用）；5.能力问题生成（用于后续验证）；6.YARRRML生成（拆分为PrefixAgent、EntityAgent、RelationshipAgent三个并行智能体，前缀复用KV-Cache）。

Automap内置多层次验证确保输出质量：1.语法验证（yatter工具，最多10次重试）；2.逻辑精炼（检查断开映射、缺失列等，最多6次重试）；3.SHACL验证（三级策略：Astrea API→本地rdflib→结构性保底）；4.SPARQL CQ验证（将能力问题转为SPARQL ASK查询，在pyoxigraph内存存储执行，无需外部端点）。

Automap采用"终端优先"设计，无需依赖LangSmith等云端工具。开发者可在控制台查看：实时阶段跟踪、阶段时间汇总、逻辑精炼反馈、语法验证状态（PASS/FAIL及错误摘要）、SHACL结果（违规数量与来源）、CQ验证明细。此设计适合数据隐私敏感或网络受限场景。

技术细节包括：1.环境管理（uv做Python依赖管理，支持Docker容器化，自动应用Morph-KGC兼容性补丁）；2.模型配置（通过环境变量灵活设置不同智能体的模型，如LLM_MODEL_DEFAULT、LLM_MODEL_SCHEMA等）；3.多级评估（流水线成功率、与标准KG的精确率/召回率/F1、列覆盖率、CQ覆盖率）。

Automap适用于：1.企业数据集成（遗留系统CSV转标准KG）；2.学术研究（快速构建领域本体数据集）；3.数据治理（统一多源数据语义表示）；4.低代码KG构建（降低技术门槛）。

Automap是LLM驱动数据工程的重要方向，通过智能体架构自动化复杂ETL流程。其去中心化YARRRML生成、多层次验证、终端可观测性为同类项目提供参考。未来将支持更多数据源、处理更复杂映射场景、集成其他KG工具链。