GraphRAG｜从建图到检索与取舍：知识图谱增强 RAG 全流程拆解
微软知识图谱增强 RAG：把文本孤岛变成实体关系网络，支持多跳推理与跨片段缝合。索引建图→检索策略→增量取舍→部署，全流程清晰可落地。
微软提出的知识图谱增强型检索增强生成框架，解决传统向量 RAG 的『孤岛问题』：把文档从孤立的文本块变成有实体、有关系的网络结构，让大模型能完成多跳推理、跨片段答案缝合，大幅提升复杂问题的回答精度。
核心原理：两阶段流水线
GraphRAG 把流程拆分为索引阶段（离线）和查询阶段（在线），重计算集中在索引阶段，查询阶段轻量高效：
- 索引阶段：把分散文档变成结构化知识，提前建立实体关系与社区摘要
- 查询阶段：利用已有图结构、向量和摘要，顺着关系链收集证据，生成完整答案
一、建图全流程（索引阶段）
文本预处理：加载 PDF/Markdown/文本等原始数据，清洗后分块为 TextUnit（默认 1200 字符，重叠 100 字符），输出保留来源与上下文关联的结构化文本块。
实体关系抽取：用 LLM 从文本块识别实体（人物/组织/事件/概念）和关系（合作/属于/提出），输出节点+边的原始图谱。
知识图谱构建：实体存入图数据库（Neo4j/Memgraph），关系作为边连接；同时生成实体、关系的向量嵌入存入向量库，输出可检索图结构+向量索引。
社区发现与摘要：用 Leiden 等算法做层次化聚类生成社区，为每个社区生成自然语言摘要，输出社区层级结构+社区报告（高层级知识摘要）。
二、检索策略（查询阶段）
Local Search 局部检索：适用『某某公司 CEO 是谁』这类单跳、实体导向问题。流程：提取查询实体→定位图节点→返回邻居节点与关系→组装上下文。响应快、适合精准实体查询。
Global Search 全局检索：适用『500 份供应商合同哪些有合规风险』这类全局汇总、多跳推理问题。流程：匹配相关社区→拉取社区报告→整合跨社区关系路径→生成综合答案。能处理需全局视野的复杂问题、避免信息遗漏。
混合检索（工业级）：向量检索 + 图检索双路并行——向量找语义相似的节点、补语义关联；图检索遍历节点边、找逻辑关联但语义不相似的信息；最终整合两路证据生成更完整答案。
三、取舍与选型决策
GraphRAG vs 传统向量 RAG：
信息结构：文本块孤岛 vs 实体关系网络；
推理能力：仅语义匹配 vs 支持多跳推理、跨片段缝合；
适用场景：简单单跳问题 vs 复杂关系、全局汇总问题；
计算成本：低（仅 Embedding）vs 高（实体抽取+图构建）；
响应速度：快 vs 索引慢、查询快。
增量更新 vs 全量重建：全量重建适合文档低频更新场景，成本高但结构稳定；增量更新适合文档频繁更新场景，推荐 LightRAG/LazyGraphRAG，将索引成本降至传统 GraphRAG 的 0.1%，核心思路是『查询时按需建关系』而非『索引时预先建全图』。
避坑指南：
图谱质量优先：Garbage in garbage out 在图数据库中会被放大，错误关系会被固化，须严格校验实体抽取结果；
不要盲目全量建图：按业务场景选合适粒度，避免过度构建导致查询效率下降；
社区摘要质量直接影响全局检索效果：需优化摘要生成 Prompt，确保核心信息不丢失。
四、实战部署要点
- 环境准备：安装 GraphRAG CLI，配置 LLM（OpenAI/Claude/通义/文心/Ollama 等）
- 索引构建：python -m graphrag.index --root ./ragtest，首次建议小批量文档测试
- 输出文件：索引后 output 目录生成实体、关系、社区报告等 Parquet 文件
- 查询测试：先 Local Search 再 Global Search，逐步优化检索策略
项目地址 GitHub microsoft/graphrag。