针对特定领域图谱的问答任务，由于关系数量有限且领域特性鲜明，需采用定制化方法。本文提出的方法将经典逻辑编程语言融入大型语言模型（LLMs）中，从而利用逻辑推理能力来应对知识图谱问答（KGQA）任务。通过将问题表示为Prolog查询，既保持了表达的可读性，又使其在形式上接近自然语言，从而有效支持程序化答案的生成。为验证该方法的有效性，我们在一个广为人知的基准数据集MetaQA上进行了评估。实验结果表明，即使在仅使用少量标注数据进行训练的情况下，该方法仍能准确识别所有测试问题的正确答案实体。总体而言，本研究提出了一种极具前景的解决方案，用于处理特定领域图谱上的问答任务，通过引入逻辑编程语言，实现了可解释性强且鲁棒性高的问答系统。