中医图谱·智能问诊 (TCM-GraphRAG)

本项目是一个基于 Text2Cypher 架构的中医知识图谱智能问诊系统。 彻底抛弃了传统的“向量检索(Vector RAG)”与“固定状态机”，采用大模型 Agent 实时将用户的自然语言转化为 Cypher 图数据库查询语句，实现多跳逻辑推理与精准的数据抓取。

核心技术栈

• 前端交互: Streamlit (提供极简、跨平台的 WebUI)
• 核心中枢: n8n (Tools Agent 智能体架构)
• 知识图谱: Neo4j (存储 1800+ 节点，4000+ 关系，涵盖疾病、症状、方剂、药材)
• 大语言模型: DeepSeek Chat API

快速部署指南

1. 准备图数据库 (Neo4j)

1. 启动 Neo4j 社区版实例（推荐使用 Docker 或本地安装）。
2. 运行 data_pipeline/kg_builder.py 脚本，将中医基础数据写入数据库，完成图谱初始化。

2. 部署 AI 智能体 (n8n)

1. 安装并启动 n8n。
2. 在 n8n 界面选择 Import from File，导入 backend_n8n/TCM_Agent_Workflow.json。

3.导入数据库

​ 这里有两种方法

1. 直接导入：导入neo4j_data目录里的neo4j.dump 文件到neo4j里面，这里可能需要其他工具
2. 使用脚本：请阅读data_pipeline里的代码，根据自己的环境修改内容，再将自己的txt文本命名为xiaoer.txt,运行kg_builder.py，即可导入自己的知识图谱

4.运行项目前端

1. 运行frontend.py，可能需要修改配置，依据你自己的环境来。之后打开ip:8501即可展示前端界面。

一些注意事项

1. 关键配置:
   • 打开 HTTP Request Tool 节点，修改 URL 为你的 Neo4j 地址（默认 http://localhost:7474/db/neo4j/tx/commit）。
   • 配置 Neo4j 的 Basic Auth 账号密码。
   • 配置 OpenAI/DeepSeek 节点的 API Key。
2. 将工作流右上角的开关设置为 Published (Active)。
3. 双击 Chat Trigger 节点，复制其 Production URL。

3. 启动问诊终端 (Streamlit)

1. 进入前端目录并安装硬核兼容依赖：

   cd frontend
   pip install -r requirements.txt

2. 修改 frontend.py 中的 webhook_url，将其替换为你刚才在 n8n 中复制的地址。

3. 点火启动：

streamlit run frontend.py

4. 打开浏览器访问 http://localhost:8501，开始问诊。

4.配置n8n

• n8n 的 Webhook URL 必须是纯正的 API 模式，绝对不可包含 /chat 网页路由后缀（除非使用 Embedded 模式）。
• 为了保障 JSON 解析稳定性，n8n 工具节点内已内置 JSON.stringify 强转义逻辑。