“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 OpenStreetMap（OSM）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 API（POST 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 km²），1.19 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/