能力问题作为可执行计划：面向文化遗产叙事的受控RAG架构

随着集体记忆随时间消退，非物质文化遗产的保护成为一项关键挑战。尽管大语言模型（LLM）为生成引人入胜的叙事提供了有前景的途径，但其易产生事实错误或幻觉的倾向，使其在以真实性为核心要求的遗产应用中并不可靠。为解决这一问题，我们提出一种以知识图谱（KG）为基础的新型神经符号架构，为故事生成建立透明的计划—检索—生成工作流。我们方法的一个关键新颖之处在于，将能力问题（Competency Questions，CQ）——传统上属于设计时验证产物——改造为运行时可执行的叙事计划。这种方法弥合了高层次用户画像与原子级知识检索之间的鸿沟，确保生成过程证据闭合且完全可审计。我们用一个新资源验证该架构：Live Aid KG，一个将1985年演唱会数据与Music Meta本体对齐并链接外部多媒体资产的多模态数据集。我们在该图谱上对三种不同的检索增强生成（RAG）策略进行系统性比较评估：纯符号的KG-RAG、文本增强的Hybrid-RAG以及结构感知的Graph-RAG。我们的实验揭示了符号检索的事实精确性、混合方法的上下文丰富性与基于图遍历的叙事连贯性之间可量化的权衡。我们的研究结果为设计个性化且可控的叙事系统提供了可操作的洞见。