“把阿拉斯加的河流按弯曲程度排个名。”这不是脑筋急转弯是一套知识图谱评测基准里的真实考题 [1]。它的标准答案是一条 40 行的 SPARQL 查询圈定阿拉斯加州境内的全部河流106,679 条取每条河的河道长度和首尾两点的直线距离相除得弯曲度再排序。这条查询在装满全球地图数据的引擎上秒级跑完。能回答这种问题的系统是怎么组织知识的一、Why为什么要搞它知识图谱落地的第一道坎是规模。Wikidata 全量 RDF 约 166 亿条三元组2025-04 官方口径 [8]全球 OpenStreetMapOSM的 RDF 化数据是 2,229 亿条 [2]。这个量级上传统 RDF 数据库要么查询以分钟计要么要集群要么许可证昂贵跨数据集分析则要靠人工下载、导出、写脚本对齐。QLever 要回答的问题能否在单台普通服务器上装下这些数据查询以秒计还完全开源。它做到了什么用评测基准的五类真实考题说明口径说明见附录 A.1类别真实考题标准答案的结果规模全局过滤全球所有报社在哪里6,706 个其中 6,444 家有名字空间包含菲律宾境内的报社有哪些41 个全球聚合全球标注最多的 100 种菜系是什么底特律用得最多的标签是什么Top 100 榜单976 行统计几何推导把阿拉斯加的河流按弯曲度排名给俄克拉荷马的行政区按形状紧凑度排名106,679 条河流参与计算跨库关联OSM 对象挂了 Wikidata 链接、但 Wikidata 没有反向链接的有哪些133 万处不一致这五类题各自击中传统方法的一个痛点OSM 官方查询服务Overpass有超时限制全球聚合跑不下来几何推导要求每个要素的面积、长度预先算好原始数据里没有跨库一致性检查要同时持有两个独立数据集。一条查询秒级完成就是 QLever 存在的理由。二、What它是什么QLever发音同 Clever是德国弗莱堡大学 Hannah Bast 教授团队的 RDF 图数据库 [3]。RDF资源描述框架W3C 标准规定数据怎么存——全部存成主语—谓语—宾语三元组SPARQL 规定数据怎么查QLever 是执行这两者的引擎C 编写Apache-2.0 开源GitHub 仓库创建于 2014 年官方声明单机可扩展到超过一万亿条三元组 [3]。三元组是真实可查的数据不是抽象概念。从在线服务取回的一条真实记录长这样三亚市中心节点为排版缩短了编号前缀 node/847859864 rdf#sfIntersects relation/2128284 . # 与三亚市相交 node/847859864 rdf#sfIntersects relation/2128285 . # 与海南省相交 node/847859864 key#wikidata .../entity/Q319804 . # 链接到 Wikidata node/847859864 wiki/Key:wikidata Q319804 . # 原始标签保留 每行一个三元组主语是对象谓语是关系或属性名宾语是另一个对象或一个字面量。团队同时把引擎和 17 个大规模公开数据集打包成在线服务qlever.dev免部署即可查询通用知识Wikidata、DBpedia、地理全球现行地图 OSM Planet、历史地图 OHM Planet、生命科学UniProt 蛋白质、PubChem 化合物、文献与媒体等。这些数据集以 Wikidata 为枢纽互相挂接一条查询可以跨库联邦查询解释见附录 A.2[4]。QLever 从 2014 年起是纯粹的存储与查询引擎与大模型无关两者的关联始于 2025 年的 GRASP 系统见下一章。三、How怎么构建和使用数据怎么进来构建管线。以地理数据为例转换工具 osm2rdf 每周把全球 OSM 重新转换一次——保留全部标签和全部几何坐标一个要素不丢同时预计算六种空间关系、Wikidata 和维基百科的实体链接、每个要素的面积与长度一并写成三元组 [2]。全球 2,229 亿条三元组压缩包 783 GB按大洲和国家分文件下载。QLever 拿到三元组后建索引之后全部查询沿索引走路。这条管线本地可复现自己下载区域 PBF用 osm2rdf 转换自建 QLever 实例。查询怎么快性能方法。一句话预存换效率。能预计算的都在建库时算好空间拓扑、实体链接、长度面积查询时零几何计算、零跨库搬运不能预计算的比如距离某点 5 公里以内这类任意半径条件就是能力边界慢甚至不可用实测见附录 A.3。理解 QLever就是理解这笔交换。大模型怎么接入。2025 年的 GRASP 系统ISWC’25 论文 [5]让大语言模型把自然语言问题翻译成 SPARQL、在 QLever 上执行、读结果修正——模型管翻译引擎管计算答案可复核。开头的 32 道考题就是它的评测基准已完整下载到本地最强的商用大模型在这 32 题上平均得分 16.3满分 100。服务怎么用。三条路网页界面qlever.dev选数据集、写查询、看结果适合即席问答HTTP APIPOST 一条查询拿 JSON适合程序调用自部署Docker 或源码装载自己的三元组适合私有数据。四、与本体的关系做了对象、属性、关系没做动作、规则、权限最后评估 QLever 与本体思想的关系。评估框架来自动态本体把系统能力分两层——语义层对象、属性、关系描述世界有什么、谁连着谁和动力层动作、函数、规则、权限、写回规定如何改变世界[6]。语义层对象、属性、关系都做到了工程极限。对象每个实体OSM 的点、线、面Wikidata 的条目都有全局唯一的 IRI形如网址的编号。跨库考题之所以可能全靠这条OSM 对象在建库时已挂上指向 Wikidata 实体的 IRI两个独立数据集才有了一致性检查的公共锚点。属性OSM 的自由标签键值对原样转成谓词词表对象的名称、人口、长度、面积都是可查询的属性。关系六种空间关系相交、包含、覆盖、相接、重叠、交叉来自 GeoSPARQL 标准 [7]在建库时预先算好、物化成三元组——谁包含谁不是查询时算出来的是数据里已经存好的边。阿拉斯加那道题能秒级跑完是因为河道长度、行政边界包含关系都已预付成数据。本体推理是从显式事实推出隐含事实QLever 用预计算替代了实时推理可算推理思想的一种工程变体。语义层内部也只做了一半不执行 OWL网络本体语言推理——不会自动推导隐含事实不检查数据一致性没有公理和约束OSM 标签合不合法引擎不管。需要推理时工程惯例是先用专门的推理机把隐含三元组推导出来再导入推理机管推导QLever 管毫秒级查询推导结果。动力层五个要素全部缺席。函数只有一批内置函数字符串、数学、少量空间函数。实测模型在考题里调用geof:length长度函数跑了 949 秒后引擎报错不支持此函数附录 A.4。没有用户自定义函数的注册机制。动作没有受控操作的概念。SPARQL 标准里有 UPDATE 写语法但演示服务只读即便自部署可写也没有动作类型、审批、回滚这一层语义。规则没有触发器和事件机制数据变了不会有任何东西自动发生。权限没有动态安全控制——演示服务全公开自部署也没有行级、列级的访问控制。写回不存在的概念它不是业务系统的前端。这个格局不是疏漏是定位QLever 要做装得下、查得快的基础设施不是业务操作平台。但它划出了开源地理项目的普遍边界——描述世界的部分高度成熟改变世界的部分无人接手。设计地理空间网格本体时这一半空白是要正面回答的问题。回到开头那道题。把阿拉斯加的河流按弯曲度排名能成立是因为河流—河道长度—首尾节点—州界—包含关系早已被组织成一张约定好的关系网对象是命名的关系是预存的属性是齐全的。QLever 证明了对象、属性、关系这三件事的工程可以做到什么程度动作、规则、权限、写回是数据变成行动还差的部分。附录A.1 五类考题的来源与口径题目和标准查询来自 GRASP 评测材料站的 OSM Planet 基准osm-planet/examples/test.jsonl共 32 题结果规模来自官方运行记录的target字段——即专家标注的标准查询在图谱上的执行结果执行时点为 2025 年论文评测期间。图谱每周更新今天重跑数字会有出入实测已观察到数据漂移如全球有名字的报社从 6,444 增至 6,842。全部材料已下载到本地code/grasp-benchmarks/[1]。A.2 联邦查询联邦查询是 SPARQL 1.1 的标准机制一条查询里用SERVICE子句把部分条件发给另一个数据集执行结果在本地汇合。前提是两边数据存在共同的实体编号本文中即 OSM 对象预存的 Wikidata IRI 链接。实测示例从 OSM 的三亚市中心节点跳到 Wikidata 取人口1,031,396与面积1,919.6 km²1.19 秒返回2026-08-05[4]。A.3 预存换效率的边界实测六种物化空间谓词相交、包含、覆盖、相接、重叠、交叉之外的条件没有现成数据可走。实测在托管实例上执行任意多边形的空间函数查询返回 HTTP 500调用距离某点 30 米内这类谓词仅限预置的固定距离档位。能力边界由预计算内容划定这是选择该架构的代价 [2][4]。参考文献[1] GRASP 评测材料OSM Planet 基准与模型运行记录https://ad-publications.cs.uni-freiburg.de/grasp/benchmark/ 2026-08-07 下载[2] osm2rdf 官网与数据下载页转换规则、六种空间谓词、数据规模https://osm2rdf.cs.uni-freiburg.de/ 2026-08 核查[3] QLever GitHub 仓库README 性能声明、许可证、星数https://github.com/ad-freiburg/qlever 2026-08-05 核查[4] QLever 在线服务与各数据集端点https://qlever.dev/ 2026-08-05 起多次实测[5] Walter, S. Bast, H. GRASP: Generic Reasoning And SPARQL Generation across Knowledge Graphs. ISWC 2025预印本 arXiv:2507.08107评测材料站见 [1][6] 动态本体框架语义层/动力层划分《动态本体为什么、是什么、怎么做》内部书稿2026-06[7] OGC GeoSPARQL 标准空间谓词体系http://www.opengis.net/ont/geosparql[8] Wikimedia 基金会Wikidata Query Service graph database reload at home, 2025 edition“about 16.6 billion triples”https://diff.wikimedia.org/2025/04/08/wikidata-query-service-graph-database-reload-at-home-2025-edition/
