军事行动、边境管控及搜救等安全关键领域，必须在高度不确定性、严峻时间压力及持续变化的条件下遂行任务。在此类场景中，决策支持系统不仅需提供精准建议，更须明晰呈现底层推理逻辑以供审计追溯。本文提出ReaDS-KG（基于知识图谱的推理决策支持系统），这是一种融合大语言模型与知识图谱的框架，旨在提供基于推理而非纯粹预测的决策支持。ReaDS-KG将领域知识、资产、约束条件及因果依赖关系表征于本体驱动的知识图谱之中，并运用大语言模型实现：（一）将自然语言问询转化为Cypher查询语句；（二）基于因果结构编排图推理流程；（三）返回植根于图谱、附带明确论证依据的叙事性答案。该框架遵循五阶段流水线：本体设计、数据至知识图谱转换、因果增强、大语言模型介导查询及基于想定的评估。为验证其适用性，在合成旅级作战想定中实例化ReaDS-KG，并围绕可行性、机动性、持续保障、指挥控制鲁棒性及风险等维度提出二十项决策导向性问题。随后，采用八维评分量表，将ReaDS-KG赋能的大语言模型+知识图谱智能体与十名现役军官进行对比评估。结果表明，该智能体的决策支持质量媲美军衔校级军官，显著优于尉级军官，且能以机器响应速度运行，同时提供透明的推理链条。上述成果表明，ReaDS-KG可在动态安全关键领域中充当具备可解释性的准专家参谋助手，且该架构具备高度可迁移性，适用于边境管理与灾害响应等其他共享相似不确定性及因果推理需求的安全关键场景。