GraphRAG

什么是 GraphRAG？ GraphRAG 是一种基于大语言模型（LLM）的增强型检索与生成（Retrieval-Augmented Generation, RAG）技术，它通过将非结构化文本数据转化为结构化的知识图谱（Knowledge Graph），从而实现对私有数据集的深度语义理解和复杂问题回答。与传统 RAG 仅依赖向量相似度进行检索不同，GraphRAG 利用实体识别、关系抽取和图结构推理，捕捉数据中隐含的语义关联，使系统能够回答跨越多个文档、涉及多跳推理或主题归纳的复杂查询。 GraphRAG 能做什么？ GraphRAG 能够揭示并利用大量文档中隐含的实体间关系，从而回答那些仅靠关键词匹配或向量相似度难以解决的问题。例如，它可以回答“此数据集中反复出现的核心争议点是什么？”、“哪些人物在多个事件中扮演了关键角色？”或“过去一年中，某技术领域的主要合作网络如何演变？”等需要跨文档聚合、归纳或推理的问题。 通过构建知识图谱，GraphRAG 不仅支持事实性问答，还能进行主题建模、趋势分析和异常检测，为用户提供超越单文档上下文的系统性洞察。这种能力使其特别适用于情报分析、企业知识管理、科研文献综述和合规审查等场景。 GraphRAG 的预期用途是什么？