[Question]: Knowledge graph extraction problem

快速结论：在使用 Infinity 作为向量库的 RAGFlow 服务中启用知识图谱抽取时，UI 报错 “Tree structure not found for treeKey: combo”。优先检查 `docker/.env` 中的 `DOC_ENGINE` 是否已正确设置为 `infinity`，并确认知识图谱数据中边（edge）信息是否完整。

问题场景

用户在 RAGFlow 服务中使用 Infinity 作为向量库，并在解析文档时启用了知识图谱（Knowledge Graph）功能以抽取节点和关系。该功能触发后，UI 显示错误信息，用户怀疑是否只能使用 Elasticsearch 作为向量库。

报错原文

Tree structure not found for treeKey: combo

原因分析

此错误通常意味着知识图谱数据中不存在有效的图结构。可能原因是 Converter 类在分配组合（combos）到所有节点时失败，这通常是由于边信息缺失或不完整，导致无法按预期构建树结构。Infinity 向量库本身可以用于知识图谱抽取，并非必须使用 Elasticsearch——用户可以在 docker/.env 文件中将 DOC_ENGINE 设置为 infinity 来切换文档引擎。UI 报错与使用 Infinity 而非 Elasticsearch 没有明确因果关系。

注意：该问题在 Issue 讨论中并未给出经过验证的完整解决方案，以下步骤为基于现有分析的可优先尝试的方法。

环境排查

确认 RAGFlow 服务当前的向量库配置：检查 docker/.env 文件中 DOC_ENGINE 的值是否为 infinity。
确认 Infinity 服务是否正常运行且与 RAGFlow 连通。
确认知识图谱抽取功能的输入数据（文档内容）是否包含足够的结构化信息（如节点之间的关联关系）。

解决步骤

检查配置：打开 docker/.env 文件，确认 DOC_ENGINE 已设置为 infinity。如果不是，请修改并重启所有容器。
确保Infinity就绪：重启容器后，检查 Infinity 向量数据库的服务状态和日志，确认其正常工作。
检查输入数据：尝试使用内容结构更完整的文档（例如包含明确实体和关系的文本）重新触发知识图谱抽取，观察错误是否复现。
清理并重试：如果问题是偶发的，尝试删除报错对应的知识库，新建一个知识库并重新上传文档，再次启用知识图谱抽取功能。

验证方法

完成上述步骤后，在 RAGFlow 界面上再次尝试启用知识图谱抽取功能，观察是否不再出现 “Tree structure not found for treeKey: combo” 错误，并且能够成功显示抽取出的节点和关系图。

参考来源

infiniflow/ragflow #7119

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

[Question]: Knowledge graph extraction problem