GraphRAG揭秘：构建层次化知识图谱的终极指南

聊聊现在大火的 GraphRAG。所谓 RAG 检索增强生成，本质上就是用真实世界的信息来提升大语言模型的输出质量。但问题在于，大多数 RAG 方案走的都是向量相似度搜索的路子，业内通常叫它 Baseline RAG。它做起来直接，好理解，但也藏着个硬伤——提取出的每个文档都是孤立的，彼此之间没有显式的结构化关系。

这就好比一堆散落一地的拼图碎片，能不能拼出完整画面，全看语言模型自己的推理能力和那几块碎片本身。检索出来的东西往往缺乏上下文连接，模型推理时难免抓瞎。

而 GraphRAG 走的完全是另一条路——结构化、分层的检索增强生成。它不像传统方法那样只做简单语义搜索，而是从原始文本中把知识图谱给提取出来，再构建社区层次结构，给这些社区生成摘要，最后在执行 RAG 任务时把这些结构化信息充分利用起来。微软在这个方向上的推动力度不小，通过把知识表示为图结构，GraphRAG 能捕捉到更复杂的关系和知识脉络。有了这张关系网，相关实体的上下文信息自然更容易被索引和调用，模型的推理问答性能自然也上了一个台阶。

一、环境安装

上手之前先把环境搭好。GraphRAG 对 Python 版本有明确要求，限定在 3.10 到 3.12 之间。执行下面这行命令就能完成安装：

pip install graphrag

接下来需要准备一份语料。可以从古登堡计划下载公开数据集，比如：https://www.gutenberg.org/cache/epub/24022/pg24022.txt。然后在项目根目录下新建一个 /ragtest/input 文件夹，把下载好的语料文件放进去。

二、GraphRAG 使用

先完成初始化。在命令行中运行：

python -m graphrag.index --init --root ./ragtest

执行成功后，ragtest 目录下会多出几个文件。其中 .env 里存放的是 GraphRAG 管道所需的环境变量，核心配置是 GRAPHRAG_API_KEY=，也就是你使用的 OpenAI API 或 Azure OpenAI 端点的密钥。用你自己的密钥填上去即可。

另一个是 settings.yaml，里面是流程设置的各项参数，可以根据需要调整。值得一提的是，如果 LLM 配置的是 openai_chat，建议设置为 gpt-4o-mini——这能有效控制成本。

初始化准备就绪后，开始建立索引：

python -m graphrag.index --root ./ragtest

这一步的运行时间取决于文档大小。终端会显示提取文档数据与段落的进度。当看到 All workflows completed successfully. 的提示，说明索引构建已经顺利完成。此时打开 output 目录就能看到构建好的图谱文件。

图谱建立完后，来验证一下效果。执行查询命令：

python -m graphrag.query --root ./ragtest --method global "What are the top themes in this story?"

从输出结果来看，答案非常贴合整部书籍的核心主题。GraphRAG 在处理这类需要全局理解的提问时，表现出了显著的改进——比以往那些只能在私有数据集上打转的方案，显然掌握了更高的"智力"。

三、总结

以上就是使用 GraphRAG 的基本流程。整个操作可以归纳为两个步骤：提取加嵌入。本质上和传统 RAG 的思路相似，但 GraphRAG 最大的不同在于引入了知识图谱，把结构化数据和密集语义检索强强联合。它的目的很明确——解决传统 RAG 中文档孤立、上下文缺失的痛点，提供更高质量的检索结果。从实际落地效果看，GraphRAG 的出现，确实在改变企业私有数据分析的技术路径。