CausalGraph AI：ESG 情报与知识图谱的工程化融合

图1：CausalGraph 的 macOS 桌面助手界面，支持直接拖拽报告文件并发起问答

想象一下：你是某大型资管公司的 ESG 研究员，每年要翻阅上百份数百页的可持续披露报告，从石油巨头的碳排放数据到快消品牌的供应链透明度声明，全靠手工检索——时间成本高、容易遗漏、结论还难以回溯查证。CausalGraph AI 正是为解决这一痛点而生：它将长篇 ESG 披露文档自动转化为可查询的知识图谱，结合检索增强生成（RAG）代理实现自然语言问答，让 AI 在回答每一个结论时都能指向原文证据。

从一份年报到一张因果图：项目起源

该项目由澳大利亚国立大学（ANU）相关团队开发，最初面向金融机构的 ESG 尽调场景。核心洞察是：传统 RAG 系统只能回答「哪个段落提到了什么」，但 ESG 研究员真正需要的是「碳排放目标与实际执行之间的因果关系」这类问题——需要跨段落、跨时间的因果推理能力。

CausalGraph 的设计哲学因此与传统知识图谱 RAG 不同：它不追求一次性构建完整企业知识图谱（成本过高），而是以单次报告为处理单元，将报告内的实体（公司、目标、风险）与关系（因果、对比、时序）提取为可查询的图结构，同时保留原始块级检索作为补充上下文。这样既保证了溯源可验证性，又降低了工程化门槛。

核心技术架构：五层解耦设计

项目采用典型的微前端加微后端架构，前端为 React，后端为 FastAPI，中间通过 RESTful API 通信。整体系统可拆解为以下几个核心模块：

1. 文档处理层（document_processing）

支持 PDF、DOCX、纯文本三种格式的 ESG 报告摄入。解析后经过清洗、分块（chunking）得到重叠的文本片段，分块策略考虑了段落边界和句子完整性，避免关键信息被截断。对于中文报告，引入了 jieba 分词以保证中文语义切分的准确性。

2. 向量检索层（rag/）

CausalGraph 的检索系统采用了混合检索策略，是其最具工程亮点的地方：

• 向量检索（embedding similarity）：基于 OpenAI text-embedding 或本地模型生成向量，在 Pinecone 或本地 FAISS 中检索语义相似块
• BM25 关键词检索：rank-bm25 库实现的传统稀疏检索，捕捉精确术语匹配
• 多查询扩展（Multi-query Expansion）：用 LLM 将用户问题改写为多个不同表述，同时并行执行多次检索再融合结果
• HyDE（Hypothetical Document Embeddings）：先生成假设性答案文档，再以其向量检索，改善开放域问题的检索质量
• 重排序（Reranking）：融合后对候选块二次排序，提升 Top-K 的相关性

这套混合检索设计在工程上通过环境变量（HYBRID_RETRIEVAL_* 系列）实现了全链路可配置开关，开发者可以根据实际数据集的特性逐一调试。相比学术界常用的固定权重融合，这套环境变量驱动的配置方案更贴近生产环境——不同报告类型可能适合不同的检索权重，运营团队可以通过修改配置而非改代码来优化效果。

3. ESG 实体抽取层（ai_service/ + esg_qlora_adapter/）

这是项目区别于通用 RAG 的关键能力。项目提供了三种抽取模式：

• 本地 QLoRA 抽取：基于微调的小模型，使用 esg_qlora_adapter/ 中的权重，针对 ESG 实体（排放量、治理结构、社会责任事件）进行了领域适配
• 远程 DeepSeek 抽取：通过 ai_service/ 调用 DeepSeek API 进行实体和关系抽取，适合无本地 GPU 的场景
• 启发式抽取（heuristic fallback）：无任何模型时使用规则匹配作为保底策略

抽取结果经过 graph/ 模块处理后，以 JSON 图格式输出，包含节点（实体）和边（关系），可同步至 Neo4j 图数据库。值得注意的是 QLoRA 适配器权重并不随仓库一起发布（被 .gitignore 排除），用户若想使用本地抽取能力，需要自行准备训练环境。

4. 图数据库与因果推理层（graph/）

Neo4j 选型是有讲究的。相比关系型数据库，图数据库在多跳因果查询上具有天然的结构化优势。CausalGraph 提供了邻居查询、前向/后向链推理、最短路径查询等能力。这些能力使得 CausalGraph 在复杂 ESG 问题（如「某公司的碳中和目标与供应商合规记录之间的关联」）上，比纯文本 RAG 有更强的推理深度。不过，Neo4j 在默认配置中是可选组件——许多用户可能只使用向量检索而忽略图能力，这意味着项目的核心差异化特性并不会被所有用户利用到。

5. 短期记忆与上下文层（Redis）

每个对话会话在 Redis 中维护短期状态，包括：最近 N 条消息、当前选中的文档上下文、会话级实体引用。当用户说「那这家公司呢」时，系统能自动识别这是对前文的实体回指，而非重新检索全量文档。这解决了 RAG 系统中常见的多轮对话丢失上下文的问题。

6. 认证与会话管理（backend/）

后端模块 backend/ 实现了基于 JWT 的身份认证和 SQLite 存储的用户反馈收集机制，配合管理员白名单功能，具备一定的团队协作和多用户管理能力，适合小型研究团队内部部署使用。

图2：CausalGraph 品牌标识，体现其ESG加因果图的核心理念

上手体验：一条命令能跑起来吗？

CausalGraph 提供了多条部署路径。本地开发（适合尝鲜）：后端只需 python3 -m venv 创建虚拟环境，pip install -r requirements.txt 安装依赖，复制 .env.example 并填入至少一个 API Key，然后 python3 -m uvicorn app:app 启动。前端在 frontend 目录下 npm install 后设置 REACT_APP_ESG_API_BASE 环境变量即可 npm start。最小可运行配置只需要 EMBEDDING_BACKEND=deepinfra 加上 OPENAI_API_KEY，全程约 20-30 分钟可启动。

Docker Compose（推荐生产使用）：Neo4j 已通过 docker-compose.yml 标准化配置，配合 Dockerfile 封装的后端镜像，可以实现完整技术栈的一键启动。不过需要注意：Pinecone、Redis 凭证、API Key 仍需手动注入环境变量。

macOS 桌面助手（Beta）：项目还提供了 Electron 打包的桌面应用，适合不想在浏览器标签页间切换的用户。可从 GitHub Releases 直接下载压缩包使用，当前为未签名应用，初次运行需要右键手动放行。

局限性：不回避的硬骨头

1. API Key 的强依赖：核心功能依赖 OpenAI/Anthropic API，虽然支持 DeepInfra 和 DeepSeek 作为替代，但推理质量和成本仍然受制于第三方。如果监管要求数据完全本地化处理（如金融机构的数据合规要求），当前的架构无法满足。

2. 中文 ESG 报告的抽取质量：项目对英文报告的抽取经过了 QLoRA 微调，但中文报告的处理主要依赖 jieba 分词和通用模型，在专业 ESG 术语（碳中和、Scope 3 排放、TSR 指标等）的识别上可能存在偏差，需要实际使用中人工核验。

3. 图能力非默认开启：Neo4j 在默认配置中是可选组件，核心差异化特性——因果推理——可能不被所有用户利用。

4. 早期阶段：目前仅有 10 个 GitHub Stars，项目仍处于早期阶段，社区活跃度和长期维护值得关注。

行业意义：ESG RAG 的工程化样本

CausalGraph 的出现代表了 ESG 领域 AI 应用的一个细分趋势：从通用 LLM 问答转向领域增强的专项 RAG 架构。它的技术选型（FastAPI + React + Neo4j + Pinecone）虽然并无颠覆性创新，但将混合检索、实体抽取、因果图谱三条技术线串联起来，形成了完整的 ESG 问答闭环，这本身就是有工程价值的整合工作。

从商业角度看，ESG 信息披露市场正在快速增长——欧盟 CSRD 法规已强制要求大型企业进行标准化 ESG 披露，类似的合规压力将逐步蔓延至全球。这种背景下，能够将非结构化披露文档结构化的工具，无论对于买方机构（资管公司、PE）、监管机构，还是咨询公司，都有实际需求。

图3：CausalGraph 项目维护者 GitHub 头像