一文彻底搞懂GraphRAG

简单说，就是把散落的信息，像拼图一样，用“关系”串起来。图形RAG就是这么干的。

自从ChatGPT掀翻桌子，大语言模型（LLM）和私有数据结合这件事，就成了整个行业最眼馋的香饽饽。它不光造出了一堆能打的AI应用，也标志着AI终于有了点真本钱。

但聊着聊着，问题就来了。传统的文本嵌入检索（Text2Vec RAG），在处理知识库问答时，总有种“明明有一仓库货，却只能掏点零碎”的憋屈感。

1 局部和全局问题

Text2Vec的本事，是精准地从知识库里抓出关键事实，然后直接回答用户的问题。但它有个致命短板——

，一旦问题需要跨文档、抽象化，它就抓瞎了。

想象一下，有个特别全的诺贝尔和平奖得主数据库。你问系统“2023年的诺贝尔和平奖得主是谁？”系统秒回，因为这信息在库里有明确条目。但如果你问“过去十年最杰出的获奖者有哪些？”这就开始麻烦了——答案可能散落在几十页文档里。再比如，“最近几届获奖者主要关注哪些议题？”如果这些议题在文本里没直接提，传统的嵌入检索基本就答不上来。

怎么办？上图形RAG。它能同时处理“具体的局部问题”和“需要全局视角的复杂问题”。

图形RAG利用这个结构，通过识别紧密相连的节点群落（即社区），来构建对用户查询的深度理解。

整个流程可以拆成五步：

1. 图形提取
   ：从数据里抓出节点和边，搭起知识图谱的骨架。

2. 图形存储
   ：把图谱存进数据库，方便管理和检索。

3. 社区检测
   ：发现图中的社区，每个社区代表一个主题。

4. 社区报告
   ：给每个社区整一份报告，梳理节点和边之间的关系。

5. 上下文构建
   ：用Map Reduce技术把社区信息整合起来，为用户的复杂查询提供精准上下文。

这一套优化下来，用户再问那些“弯弯绕”的问题，系统也能给出更全面、更靠谱的答案。

2 构建知识图谱：图形提取

想对非结构化的知识库建立抽象理解，第一步就得抓出关键节点和边。这一步完全可以让大语言模型（LLM）来干。但难点在于，

就拿一篇讲沃伦·巴菲特的文章来举例。他的持股情况、出生年份这些，显然是关键实体和边；但他上次董事会上领带的颜色，那就纯属废话。所以关键在于，你得根据应用场景和领域，定制好提取提示，这直接决定了能从数据里捞出什么类型的信息。

设定提取提示，常见的有两种方式：一是提供一批输入输出样例，让LLM照着学（多轮提示）；二是直接用特定数据集微调模型。微调可能效果更好，但也更烧时间。

3 图谱数据的存储与管理

LLM的提取流程跑通了，接下来就是往哪存。正经干活的话，Neo4j或Arango DB这种图形数据库是首选标准，但学它们的新查询语言，门槛真心不低。

为了省事，可以考虑用一个叫graph2nosql的Python接口。它支持把图形数据存进NoSQL数据库，还能做节点管理、图形可视化、社区检测这些基本操作。这样一来，省去一套复杂的数据库技术栈，数据依旧灵活好用。

graph2nosql 数据模型

4 社区检测

图数据存好了，下一步是识别图中的社区结构。所谓社区，就是一群内部连接非常紧密、跟外部连接相对稀疏的节点。

用得最多的是Louvain算法。它的操作逻辑挺直观：不断迭代合并节点，形成社区，直到达到一个优化的模块度标准——简单讲，模块度就是衡量这群节点“扎堆扎得有多紧密”的指标。

除了Louvain，还有几种知名度较高的算法：

• Girvan-Newman算法
• Fast Unfolding算法
• Infomap算法

各有各的优势，选哪个得看具体场景和需求。

5 社区报告生成

社区报告是基于已识别的社区，提炼出节点和边上的关键信息，帮我们把握知识库的核心主题。

社区报告也是跨文档信息整合的起点，有助于建立对知识库的整体性理解。

比如诺贝尔和平奖得主的社区报告，会重点标出获奖者共同关注的议题。如果再搭配“发现”功能，还能进一步深挖，提供更细致的洞察。为了确保报告的相关性和准确性，根据具体应用场景做相应的提示设计或模型微调，是很有必要的。

6 上下文构建：Map Reduce的应用

处理查询时，可以借鉴Map-Reduce的模式，来构建从中间答案到最终答案的响应流程。

：把每个社区和用户查询配对，用社区报告生成对查询的初步答案。同时，让LLM评估这个报告跟用户查询的相关性。

：根据生成的中间结果的相关性得分，排序选出最相关的top k个社区。把这些社区的完整报告、节点和边的信息，作为最终LLM提示的上下文，确保答案既准又深。

7 结语

Text2vec RAG在知识库问答上确实有局限性。图形RAG则刚好补上了这块短板——通过社区报告，它给知识库提供了更深层的理解，帮助团队快速定位关键信息、提升效率。当然，也不是没代价：

未来，RAG系统大概率会走向“混合策略”。根据查询类型动态选择最趁手的工具，比如遇到复杂问题时，就优先拿社区报告充当上下文候选。这个方向，探索空间还很大。