完整架构回顾：掌柜智库 — 知识图谱 RAG 全栈系统

阅读目标：最后一张全景图，把 5 个阶段的积累在一张 Mind Map 和一个 UML 类图中完整呈现。

---

7.1 技术栈全景 Mind Map

---

7.2 全量 UML 类图

---

7.3 完整文件依赖图

shopkeeper_brain/
│
├── .env                                   配置入口
├── docker-compose.yml                     6 个 Docker 服务
├── requirements.txt / pyproject.toml      依赖声明
│
└── knowledge/
    ├── api/
    │   └── import_router.py               FastAPI 路由（导入触发）
    │
    ├── core/
    │   ├── paths.py                       项目路径管理
    │   └── deps.py                        FastAPI 依赖注入
    │
    ├── processor/
    │   ├── import_process/                ← 导入流程（8 个节点）
    │   │   ├── base.py                    BaseNode 基类 ← 所有节点的基石
    │   │   ├── state.py                   ImportGraphState
    │   │   ├── config.py                  ImportConfig dataclass
    │   │   ├── exceptions.py              异常体系
    │   │   ├── main_graph.py              StateGraph 定义 ← 导入流程的入口
    │   │   └── nodes/                     8 个节点各一个 .py
    │   │
    │   └── query_process/                 ← 查询流程（7 个节点）
    │       ├── state.py                   QueryGraphState
    │       ├── main_graph.py              StateGraph 定义 ← 查询流程的入口
    │       └── nodes/                     7 个节点各一个 .py
    │
    ├── utils/                             10 个独立工具类
    │   ├── bge_m3_embedding_util.py       嵌入
    │   ├── bge_rerank_util.py             重排序
    │   ├── llm_client_util.py             LLM 调用
    │   ├── milvus_util.py                 Milvus 操作
    │   ├── neo4j_util.py                  Neo4J 操作
    │   ├── minio_util.py                  MinIO 操作
    │   ├── mongo_history_util.py          历史记录
    │   ├── markdown_util.py               MD 处理
    │   ├── sse_util.py                    SSE 流式
    │   └── task_util.py                   任务追踪
    │
    ├── prompts/
    │   ├── upload/import_prompt.py        导入用提示词
    │   └── query/query_prompt.py          查询用提示词
    │
    ├── schema/
    │   ├── task_schema.py                 任务 Schema
    │   ├── upload_schema.py               上传 Schema
    │   └── query_schema.py                查询 Schema（Pydantic）
    │
    └── services/
        ├── import_file_service.py         导入业务逻辑
        ├── query_service.py               查询业务逻辑
        └── task_service.py                任务状态管理

---

7.4 两条流程的 End-to-End 数据流

---

7.5 "如果从零重写"精简清单

如果你现在要从零实现一个类似的 RAG 知识图谱系统，按优先级排列的实施顺序：

优先级	工作	预估时间	依赖
🥇	环境部署（Docker Compose）	30 min	—
🥇	BaseNode + State + EntryNode	30 min	环境就绪
🥇	Milvus 建库 + bge-m3 嵌入	1 hr	Milvus 运行
🥇	查询流程：向量检索→RRF→Reranker→LLM	2 hr	Milvus 有数据
🥈	PDF→MD（MinerU）	1 hr	MinerU 安装
🥈	VLM 图片摘要 + MinIO	1 hr	VLM API Key
🥈	文档切分 + 商品名识别	1 hr	LLM API Key
🥉	Neo4J 知识图谱	2 hr	Neo4J 运行
🥉	MCP 检索集成	30 min	MCP Server
🥉	前端对接 + SSE 流式	1 hr	全部后端就绪