GraphRAG（图增强RAG）

将知识图谱与RAG深度融合，通过从非结构化文档中提取实体和关系，构建结构化知识图谱索引的技术方案。

Key Points

解决传统向量检索无法理解"关系"的问题
支持Local（局部精准）和Global（全局推理）两种检索模式
微软研究院2024年发布，随后LightRAG等开源项目跟进

Details

核心原理

用户提问 → 在图谱中定位关键实体 → 通过关系路径找到相关边 → 扩展到相关社区获取全局上下文 → 将图谱检索结果+文档片段一起送入LLM生成

腾讯优图异构图谱方案

创新点：

三种节点类型：实体/关系节点、属性节点、社区节点
构图成本比微软GraphRAG低50%+
回答准确率比微软GraphRAG(Global)提升200%+
图谱Schema感知Query理解，支持复杂多跳推理

技术演进

微软GraphRAG（2024.2）：开创性方案，但全量重建成本高
LightRAG（2024.10）：香港大学黄超团队，双层检索+增量更新
CID-GraphRAG（2025）：意图驱动图检索，双路径检索融合

Context

是RAG技术从"找得到"到"理解关系"的关键升级，适用于需要跨文档推理的复杂场景。

[[concepts/rag]]
[[concepts/light-rag]]
[[patterns/rag-implementation]]

Sources