GPT-4与GraphRAG：知识图谱让RAG系统更智能

网上经常能看到关于GraphRAG的讨论，但直到一个月前，我才真正动手试了试。花了一段时间折腾下来，效果确实惊艳——文档的组织能力和回答质量都远超预期。不过，代价也着实让人肉疼：用OpenAI API跑完官方示例中的那本书，光测试就烧掉了大概7美元。性能没得说，但钱&包有点扛不住。

如果你是RAG系统的新手，先快速回顾一下传统RAG的工作原理。如果你已经熟悉，那应该也对它的痛点深有体会：

• 文本块之间的上下文很容易丢失
• 文档一多，检索性能断崖式下降
• 要集成外部知识？简直像蒙着眼睛解魔方——每一步都摸不着头脑

GraphRAG的工作原理

GraphRAG是传统RAG的增强版本，核心思想分两个阶段：索引和查询。

索引阶段

• 从源文档开始，先拆分成若干子文档（和传统RAG类似）
• 然后并行做两件事：
  1. 实体提取：把人物、地点、公司等关键实体找出来
  2. 关系提取：发现跨不同文本块之间实体之间的关系
• 接着构建一个知识图谱——节点是实体，边是它们之间的关系
• 再通过识别紧密相关的实体，形成一个个社区
• 在不同社区层级上生成分层摘要（一共三级）
• 最后用归约-映射的方法，逐步合并文本块，输出整体摘要

查询阶段

• 收到用户的查询后，先判断需要哪个层级的细节
• 然后直接在社区层级上做检索（而不是传统RAG的文本块层级）
• 查看社区摘要来生成局部响应
• 最后把多个相关社区的局部响应组合成完整的答案

GraphRAG最大的创新在于把信息组织成图结构，再利用社区检测来生成上下文更丰富的回答。不过话说回来，传统RAG系统依然有它的用武之地，尤其当你算一算GraphRAG的运行成本时——那个数字真的会让人犹豫。

设置GraphRAG

⚠️ 提醒：这个实验跑在GPT-4 API上，成本比较高。我的测试单次花了大概7美元（基于GPT-4模型）。

下面一步步走完设置流程。

环境设置

首先，创建一个虚拟环境：

conda create -n GraphRAG
conda activate GraphRAG

安装GraphRAG包：

pip install graphrag

目录结构

GraphRAG对目录结构有特定要求，为了顺利运行，请按以下方式准备：

• 创建一个工作目录
• 在其中创建 _ragtest/input 文件夹结构
• 把源文档放进 input 文件夹

这里以官方提供的书籍示例为例。用下面命令下载到 input 文件夹：

curl https://www.gutenberg.org/cache/epub/24022/pg24022.txt > ./ragtest/input/book.txt

配置

初始化工作区：

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

这一步会生成必要的配置文件，主要是 settings.yml。你需要在里面：

• 设置OpenAI API密钥
• 配置模型（默认用GPT-4做处理，OpenAI做嵌入）
• 按需调整文本块大小（默认300个token）和重叠部分（默认100个token）

构建知识图谱

运行索引过程：

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

查询你的图谱

GraphRAG提供两种主要查询方式：

全局查询 —— 适合问主题、整体内容理解这类宽泛问题：

python -m graphrag.query --root ./target --method global "what are the top themes in this story"

局部查询 —— 适合问文档里具体实体或关系的问题：

python -m graphrag.query --root ./target --method local "what are the top themes in this story"

成本因素：值得吗？

来算笔账。拿示例书籍测试时，GraphRAG总共调用了：

• 约570次GPT-4 API请求
• 大约25次嵌入请求
• 处理了超过100万个token

总成本：每本书大约7美元。效果确实好，但能不能承受，就得看你的预算和场景了。

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：GPT-4与GraphRAG：知识图谱让RAG系统更智能要求：
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