微软GraphRAG 0.4.0 DRIFT图推理搜索更新

GraphRAG近日正式发布了v0.4.0版本，本次更新的核心亮点在于新增了增量索引与DRIFT图推理搜索模块，整体功能显著增强。同时，嵌入式工作流程得到优化，随附全新的CLI命令行工具与示例Notebook。此外，该版本修复了大量错误、改进了性能表现，并完成了实体合并、冗余代码清理等细节优化。运行时存储选项与配置灵活性进一步提升，依赖项和文档同步更新，代码可读性更强，新增了托管身份支持。一句话总结：功能更加完善，运行更加稳定。

以下快速列出关键技术升级点：

• 新增增量索引与DRIFT图推理搜索模块
• 嵌入式工作流升级，配套CLI和Notebook示例
• 大量错误修复和性能优化（实体合并、子流程优化、移除冗余代码）
• 运行时存储选项及其他配置项扩展，灵活性更高
• 依赖项与文档同步更新
• 代码重构，维护性与可读性双双提升
• 支持托管身份

关于全新的DRIFT模块，它是GraphRAG在搜索质量方面取得的重大突破。下面对比表直观展示了DRIFT与传统Local搜索在处理具体查询时的差异——以供应链溯源为例，DRIFT能够精准追踪到厄瓜多尔和斯里兰卡的肉桂源头，直接列出受影响的品牌与销售渠道；而Local搜索仅给出“厄瓜多尔的工厂”这类粗粒度信息。污染水平方面，DRIFT明确指出了超标FDA上限2000倍的具体数值，Local则停留在血铅水平范围。动作层面，DRIFT覆盖了召回、健康警告、厄瓜多尔工厂调查、零售商警告等完整行动链路，Local仅提及召回与健康警告。差距一目了然。

GraphRAG正是借助大语言模型构建的知识图谱，显著改善了复杂问答场景下的检索增强生成（RAG）效果。它通过自动调优机制快速适应新领域，使输出结果更加精准、上下文相关度更高。

DRIFT的搜索流程如下：在初始引导词就绪后，系统会使用本地搜索变种执行每一个后续操作，生成中间答案与下一步问题，形成一个持续完善的循环，直到搜索引擎满足终止条件——当前默认配置为两次迭代。这一阶段本质上是全球信息驱动的查询精炼。凭借全球数据结构，即便查询方向与索引角色存在偏差，DRIFT也能在知识图谱中导航到特定相关信息，并根据新出现的线索动态调整策略。

展望未来，DRIFT后续版本将整合改进版的全局搜索，使其能更直接地处理当前最适合全局搜索的问题类型。团队致力于发展单一查询接口，同时服务本地与全局两类问题。终止逻辑的优化也在推进中，可能引入奖励模型来平衡新信息与冗余。此外，利用全局或本地搜索模式执行后续查询，有望进一步提升效率。部分查询需要更广泛的数据访问，这可通过引入查询路由器以及一种消耗更少社区报告、令牌和整体资源的轻量级全局搜索变体来实现。

DRIFT搜索是GraphRAG一系列重大优化的开端，它证明了全球索引即使对本地查询也能带来显著增益。未来，GraphRAG将持续挖掘知识图谱潜力，在效率与质量上不断打磨。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：微软GraphRAG 0.4.0 DRIFT图推理搜索更新要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题