产品背景：
目前我们正在开发一款企业智能客服产品，由于多年的PHP兵种，所以咱不使用python开发，已加快速度（引战，PHP是世界上最好的语言）
技术栈：
PHP+Mysql+Nextjs+Milvus+阿里千问+部分LangChain
已完成的list：
上传文档后，智能解析，分块，向量化，入库，查询，向量化，查相似，LLM总结，输出。这应该是传统RAG的标注流程吧，
为什么使用graph RAG：
增加产品的噱头，增加卖点
测试graph RAG：
研究了两天nebulagraph，感谢社区大佬的贡献，对nebulagraph的使用流程有了初步的了解，再加上本地部署后的一些使用心得，大致总结出了一些使用流程和疑问，还请大佬给一些建议。
基于PHP+LLM下的nebulagraph的使用：
1.对文档进行分块（已有），通过LLM对分块的内容进行三元组抽取（完成）
2.把多个三元组入库到nebulagraph，并测试完成，如：
$triples = [
['张三', '居住在', '北京'],
['李四', '居住在', '上海'],
['张三', '朋友', '李四'],
['张三', '朋友', '元元'],
['元元', '朋友', '元宝'],
// 添加更多三元组
];
将实体张三，李四，元元，北京，上海，元宝作为VERTEX，居住在，朋友作为EDGE
3.查询时，使用LLM对用户的输入进行Text2Cypher转换，转成MATCH 语句（完成）
4.执行查询（完成）
5.结果输出（完成）
对上述疑问：
1.整体流程是否合理
2.对于TAG和EDGE的创建，因为是半结构文档，创建的时候目前有两个方案，不知道用哪个更合理：
1）固定创建TAG: entity(name:string). EDGE:relationShip(relationShip:string)
CREATE EDGE relationShip (居住在);
CREATE EDGE relationShip (朋友);
2）TAG 不变，EDGE 根据上面收取的三元组中的第二个元素作为edge，如
CREATE EDGE 居住在 ();
CREATE EDGE 朋友 ();
对于2）方案，EDGE会非常非常多
3.对于查询的时候，LLM抽取的如果不准确导致无法查询到正确的数据，如何解决呢？
4.对分块后的文档进行抽取三元组的时候，可能会造成相同的node，但是含义不同的情况，如何区分呢？比如重名，两个不同的属性的人，抽取到的姓名都叫“张三”
请社区的大佬指教。