GraphRAG
也叫：Graph RAG · 图 RAG · 基于知识图谱的检索增强生成
GraphRAG 从文本中抽取实体与关系并生成分层社区摘要，用于回答跨段落关系与全局主题问题。
他们说
利用实体关系图、社区层级与摘要增强检索和生成
老白翻译
先从文档里找出人、事、组织之间的关系，再让模型沿着这些关系和分组回答问题。
它到底是什么
GraphRAG 是一种图结构的检索增强生成方法。它从文档中抽取实体、关系和陈述，建立图与社区摘要，再把相关结构交给模型回答问题。
生活里的例子
一批项目周报分别提到供应商、部门和延期原因。GraphRAG 可以把分散的关系接起来，用于查询某个项目周围的实体，或概括整批资料的共同主题。
常见误解
- 误解：GraphRAG 只是在向量库旁边加一张图。 建图通常还包含实体抽取、关系整理、社区聚类和摘要生成。
- 误解：所有问题都该走图检索。 单份文档里的明确事实常由普通检索更快地回答。
- 误解：图里的关系天然可靠。 实体合并、时间状态和关系方向都需要回到来源文本抽查。
普通人怎么用
先用一小批关系密集的文档和一组跨文档问题试验，同时记录答案质量、索引调用量和每条关系能否回到原文。