ADR 0015: 关系抽取——带 model-derived / unverified 溯源标记的可选插槽

状态：accepted · 日期：2026-07-13

不可变记录。豁免漂移追踪（无 covers）。只可替代（supersede），不可编辑。

属于 0002 的产品方向。受 0005（实验性能力与默认路径隔离） 与 0010（确定性安全门控）约束。 已随 rag-spine 0.9.0 发布。

背景

结构化关系图（build_relation_graph）完全确定且可引用： 每条边都派生自受控维度——profile 配置、事实或 chunk。但有些 有用的关系只存在于叙事文本中（"A 与 B 是合作伙伴"），只有 LLM 才能触及， 而 LLM 是非确定性的且可能编造。我们想要这项能力，但不能让 模型断言的边伪装成受控的、已验证的事实，也不能触碰 逐字节一致的默认路径。

关键洞察与 ADR 0010 同构：模型抽取的 关系是_有用但不可信的_。它必须被如此标记，并且两条硬 保证——RESTRICTED 隔离与竞品拒答——在这条新的输入路径上 也必须确定性地成立，无论模型返回什么。

决策

新增一个 RelationExtractor Protocol 插槽（src/ragspine/graph/extractor.py），由 build_relation_graph(..., relation_extractor=None) 消费：

• 默认值为 None → 基础图与之前逐字节一致（没有额外的边）。
• 默认的_抽取器_（当需要时）是 DeterministicRelationExtractor：基于规则的 同文档实体共现（co_occurs_with），零 LLM，确定性，带干净的 血缘（仅文档来源，无模型标记）——与基础图的 doc→entity mentions 边有实质区分。
• LLMRelationExtractor 是可选加入的（位于 [llm] extra 之后），并沿用叙事 图抽取器的降级纪律。它产出的每条边都被标记为 derived=model-derived + verified=unverified（绝不被默默信任）；其血缘 取自 chunk（即调用方），绝不取自模型的自我报告；RESTRICTED chunk 永远不会到达 LLM；并且每条关系的两个端点都会经过 确定性的 SecurityGate 筛查——出现竞品 / 外部端点则丢弃该边。遇到 ProviderError / 坏 JSON 时降级为空结果，并受 max_relations 约束。
• 选择方式沿用 make_narrative_graph： make_relation_extractor(spec, *, provider, profile) / RAGSPINE_RELATION_EXTRACTOR （none → None；deterministic / rule / cooccurrence；llm / on → 无 provider 时诚实降级为 None）。

原则：能力在默认路径之旁，绝不在其之内；模型断言的边要 标记并筛查，绝不默默采纳。

已考虑并否决的备选方案

• 让 LLM 边与受控边使用同样干净的血缘落库。 否决——那会 让一条编造的关系读起来像已验证的事实，摧毁溯源不变量。
• 对抽取出的边跳过 SecurityGate（信任基础图的节点隔离）。 否决——模型可能提到一个从未作为节点出现的竞品，从而把 竞品关系走私进来。改为在抽取时筛查。
• 把抽取无条件接入默认的 build_relation_graph。 否决——那会 破坏逐字节一致的默认路径，并把一个非确定性步骤放到受控路径上。

后果

• 关系图获得可选加入的叙事关系能力，同时默认路径 保持逐字节一致，且每条模型派生的边都自带标记、可审计。
• 两条硬保证（RESTRICTED 隔离、竞品拒答）如今在新的 抽取输入路径上同样成立，由确定性机制强制执行，而非信任模型。
• 新增产物：一个 RelationExtractor Protocol、一个确定性默认实现和一个 LLM 实现、一个工厂 / 环境变量选择器，以及写入每条边元数据的溯源标记 常量（derived=model-derived、verified=unverified）。