跳转至

关键词提取 (Keyword Extraction)

基于 LLM 的关键词提取模块，使用上游 LightRAG 的提示词模板，通过 with_structured_output(KeywordsSchema, method="function_calling") 实现类型安全的结构化提取。输出包含高层关键词（概念/主题）和低层关键词（实体/细节），用于指导知识图谱检索策略。

lightrag_langchain.keywords.extract_keywords async 

extract_keywords(
    query: str, llm: ChatOpenAI, language: str = "Chinese"
) -> KeywordsSchema

通过 LLM 从用户查询中提取高层和低层关键词。

使用查询、示例和语言格式化上游 LightRAG prompt 模板，然后调用 llm.with_structured_output(KeywordsSchema, method="json_mode") 进行类型安全的提取。

Parameters

query: 用户的自然语言查询。 llm: 用于提取的 ChatOpenAI（或兼容）实例。必须支持 with_structured_output()。 language: 提取关键词的目标语言。默认为 "Chinese"（根据 D-13）。 通常取自 settings.query_params.keyword_language。

Returns

KeywordsSchema 包含 LLM 提取的 high_level_keywords 和 low_level_keywords 的冻结模型。

Notes

  • 无缓存（D-12）——每次调用都会调用 LLM。
  • 无 json_repair 回退（D-14）——结构化输出失败会传播。
  • method="json_mode" 避免了 API 请求中的 tool_choice，后者与 DeepSeek v4-pro 的 thinking（reasoning）模式不兼容。关键词提取 prompt 已经指示模型输出 JSON。
Example 
from lightrag_langchain.config import settings
from lightrag_langchain.llm import create_llm
from lightrag_langchain.keywords import extract_keywords

llm = create_llm(settings.llm)
result = await extract_keywords(
    query="启动东莞市防风Ⅰ级应急响应",
    llm=llm,
    language=settings.query_params.keyword_language,
)
print(result.high_level_keywords, result.low_level_keywords)
源代码位于： src/lightrag_langchain/keywords.py 
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
async def extract_keywords(
    query: str,
    llm: ChatOpenAI,  # type: ignore[valid-type]  # duck-typed — any with_structured_output impl
    language: str = "Chinese",
) -> KeywordsSchema:
    """通过 LLM 从用户查询中提取高层和低层关键词。

    使用查询、示例和语言格式化上游 LightRAG prompt 模板，然后调用
    ``llm.with_structured_output(KeywordsSchema, method="json_mode")``
    进行类型安全的提取。

    Parameters
    ----------
    query:
        用户的自然语言查询。
    llm:
        用于提取的 ChatOpenAI（或兼容）实例。必须支持
        ``with_structured_output()``。
    language:
        提取关键词的目标语言。默认为 ``"Chinese"``（根据 D-13）。
        通常取自 ``settings.query_params.keyword_language``。

    Returns
    -------
    KeywordsSchema
        包含 LLM 提取的 ``high_level_keywords`` 和 ``low_level_keywords``
        的冻结模型。

    Notes
    -----
    - 无缓存（D-12）——每次调用都会调用 LLM。
    - 无 json_repair 回退（D-14）——结构化输出失败会传播。
    - ``method="json_mode"`` 避免了 API 请求中的 ``tool_choice``，后者与
      DeepSeek v4-pro 的 thinking（reasoning）模式不兼容。关键词提取 prompt
      已经指示模型输出 JSON。

    Example:
        ```python
        from lightrag_langchain.config import settings
        from lightrag_langchain.llm import create_llm
        from lightrag_langchain.keywords import extract_keywords

        llm = create_llm(settings.llm)
        result = await extract_keywords(
            query="启动东莞市防风Ⅰ级应急响应",
            llm=llm,
            language=settings.query_params.keyword_language,
        )
        print(result.high_level_keywords, result.low_level_keywords)
        ```
    """
    # Assemble examples into a single formatted string.
    examples_str = "\n".join(KEYWORDS_EXTRACTION_EXAMPLES)

    # Format the prompt template with all required placeholders.
    prompt = KEYWORDS_EXTRACTION_PROMPT.format(
        query=query,
        examples=examples_str,
        language=language,
    )

    # Create a structured LLM with json_mode to avoid tool_choice
    # incompatibility with DeepSeek v4-pro thinking (reasoning) mode.
    structured_llm = llm.with_structured_output(
        KeywordsSchema,
        method="json_mode",
    )

    # Extract keywords via async LLM call.
    result: KeywordsSchema = await structured_llm.ainvoke(prompt)

    return result

lightrag_langchain.keywords.KeywordsSchema

Bases: BaseModel

用于从用户查询中提取关键词的结构化输出。

冻结以防止提取后的意外修改。

Example 
from lightrag_langchain.keywords import extract_keywords, KeywordsSchema

# result 是一个包含 high_level_keywords 和 low_level_keywords
# 字段的 KeywordsSchema 实例
result: KeywordsSchema = await extract_keywords(query, llm, language="Chinese")
print(result.high_level_keywords, result.low_level_keywords)
源代码位于： src/lightrag_langchain/keywords.py 
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
class KeywordsSchema(BaseModel):
    """用于从用户查询中提取关键词的结构化输出。

    冻结以防止提取后的意外修改。

    Example:
        ```python
        from lightrag_langchain.keywords import extract_keywords, KeywordsSchema

        # result 是一个包含 high_level_keywords 和 low_level_keywords
        # 字段的 KeywordsSchema 实例
        result: KeywordsSchema = await extract_keywords(query, llm, language="Chinese")
        print(result.high_level_keywords, result.low_level_keywords)
        ```
    """

    model_config = ConfigDict(frozen=True)

    high_level_keywords: list[str]
    """总体概念或主题——用户的核心意图、主题领域或应急响应级别类型。"""

    low_level_keywords: list[str]
    """具体实体或细节——机构（包含城市名称）、专有名词、专业术语、
    基础设施、灾害事件、地理特征。"""

high_level_keywords instance-attribute 

high_level_keywords: list[str]

总体概念或主题——用户的核心意图、主题领域或应急响应级别类型。

low_level_keywords instance-attribute 

low_level_keywords: list[str]

具体实体或细节——机构（包含城市名称）、专有名词、专业术语、 基础设施、灾害事件、地理特征。