GraphRAG原理解析：大模型知识图谱自动生成技术详解

GraphRAG突破了传统RAG的局限，通过构建知识图谱实现了跨文档的智能聚合与摘要生成，显著提升了大语言模型处理复杂查询的能力。本文将带你从零开始，全面理解GraphRAG的核心原理、组成模块、运行机制及查询策略，助你轻松掌握这一前沿技术。

一、传统RAG的技术瓶颈与GraphRAG的创新突破

大语言模型（LLM）的困境？

大语言模型面临的最大挑战与机遇，在于如何将其强大的能力延伸到训练数据之外的问题，并利用从未见过的数据获得同样高质量的结果。这为数据探索开辟了全新可能，例如根据上下文和数据集自动识别主题与语义概念。

什么是RAG技术？

检索增强生成（RAG）是一种利用外部知识源来提升LLM输出质量的技术。其核心在于通过外部知识构建索引，让大模型能够回答私有数据或未训练文档中的问题。该技术已成为大多数LLM应用的关键组成部分。目前，大部分RAG方法采用向量相似性作为检索手段，我们称之为Baseline RAG（基线RAG）。

传统RAG的优缺点

RAG能够有效回答特定文档中的细节问题，实现精准的细节检索，例如从某段文本中找出并回复指定的实体信息。

然而，传统RAG难以应对跨段落或跨文档的总结与摘要类查询。例如，对于“数据集中排名前5的主题是什么？”这类需要聚合信息的问题，基准RAG表现不佳，原因在于它仅依赖对语义相似文本片段的向量搜索，而查询本身并未提供足够线索来定位正确答案。

而借助GraphRAG，我们能够回答这类问题，因为LLM生成的知识图谱结构揭示了整个数据集的组织形式，从而也明确了主题分布。这使私有数据集能够被组织为有意义的语义聚类，并预先进行摘要。通过GraphRAG的全局搜索方法，LLM在响应用户查询时会利用这些聚类来总结相关主题。

小提示：传统RAG依赖向量相似度搜索，仅能匹配语义相近的文本片段；而GraphRAG通过知识图谱结构，可以把握整个数据集的脉络，因此特别擅长回答总结性和全局性问题。

二、GraphRAG核心组件与知识图谱构建流程

什么是GraphRAG？

通过使用LLM生成的知识图谱，GraphRAG极大地改进了RAG的“检索”环节，用相关性更高的内容填充上下文窗口，从而获得更优质的答案并保留证据来源。

GraphRAG的核心概念

• Document - 输入系统的原始文档，可以是CSV中的单行数据或单个.txt文件。

• TextUnit - 待分析的文本块。其大小、重叠范围及是否遵循数据边界均可配置。常见用法是将CHUNK_BY_COLUMNS设为id，使文档与TextUnit形成一对多关系，而非多对多。

• Entity - 从TextUnit中提取的实体，代表人物、地点、事件或其他建模对象。

• Relationship - 两个实体之间的关系，由协变量生成。

• Covariate - 协变量，提取的声明信息，包含关于可能随时间变化的实体的陈述。

• Community - 社区，指整个图谱中某一类别的模块。

• Community Report - 生成实体后，进行层次化社区检测，并为层次结构中的每个社区生成报告，用于模块化检索。

• Node - 该表包含实体和文档嵌入与聚类的布局信息，用于渲染知识图谱视图。

GraphRAG的运作逻辑

1. 文本切分，组合TextUnits（chunks 1200 token）
首先将文档切分成大小约为1200 token的文本块（TextUnit），这些块是后续分析的基础单元。

2. 实体和关系抽取
利用LLM从每个TextUnit中提取实体（人物、地点、事件等）及它们之间的关系，形成初始图结构，同时识别命名实体、概念间关系及细节描述，用于生成知识图谱。

3. 生成实体和关系的摘要，增强知识图谱
为每个实体和关系生成摘要描述，丰富图谱语义。然后进行社区检测：使用层次Leiden算法生成实体社区的层次结构，对知识图谱进行递归社区聚类，直至达到社区大小阈值。这有助于理解网络的社区结构，并提供在不同粒度级别上导航和总结知识图谱的方法。
同时进行知识图谱嵌入：使用Node2Vec算法生成知识图谱的向量表示，从而洞察隐含结构，并在查询阶段提供一个额外的向量空间用于搜索相关概念。

4. 社区总结
在社区数据基础上生成报告，深入了解知识图谱在各个粒度级别上的高层次情况。例如，社区A是最高层级社区，则获得整个图谱的报告；若为较低级别，则获得局部集群的报告。

• 大模型生成社区报告
• 大模型总结社区报告
• 生成向量
• 形成结果表格

5. 文档处理
为知识模型创建表格：将每个文档链接到第一阶段创建的文本单元，明确文档与文本单元的关联。Embedding：通过文档片段的平均嵌入生成文档的向量表示。重新分块文档（无重叠），为每个块生成嵌入，再通过标记计数加权平均得到文档嵌入，从而理解文档之间的隐含关系并生成网络表示。最后将文档表发布到知识模型中。

6. 可视化
将构建好的知识图谱通过图形界面呈现，帮助开发者直观理解实体间关系与社区结构。

小提示：整个流程的核心是“先建图，后总结”。通过社区检测将实体分组，再生成社区报告，这样在查询时就能快速定位到高层次的摘要信息，解决传统RAG无法聚合的问题。

三、GraphRAG的查询方法论

全局搜索：数据中前5个主题是什么？

根据用户查询和可选的对话历史，全局搜索方法利用来自图社区层次结构中指定级别的社区报告作为上下文数据，以映射-归约的方式生成响应。在map步骤中，将社区报告分割成预定义大小的文本块，每个文本块生成一个包含一系列带有数值评级的点的中间回应。在reduce步骤中，从中筛选出最重要的点，聚合后作为最终响应的上下文。

全局搜索的响应质量很大程度上取决于所选的用于获取社区报告的社区层次结构级别。较低层次的层次结构带有详细的报告，往往产生更详尽的响应，但也会增加处理时间和LLM资源消耗，因为需要处理更多的报告。

本地搜索：

在查询时将知识图谱的结构化数据与输入文档的非结构化数据相结合，用相关实体信息增强LLM上下文。这种方法非常适合回答需要理解输入文档中提到的特定实体的问题（例如，“洋甘菊的治疗特性是什么？”）。

给定用户查询和可选的对话历史，本地搜索方法首先从知识图谱中识别出与用户输入语义相关的实体集合，这些实体作为图谱的接入点，进一步提取连接的实体、关系、实体协变量和社区报告等细节。同时，从与识别实体相关的原始文档中提取相关文本块。然后对这些候选数据源进行优先排序和过滤，组合成单一上下文窗口用于生成最终响应。

常见问题：

• Q：GraphRAG和传统RAG相比，优势在哪里？
  A：传统RAG只能检索语义相似片段，无法跨文档聚合。GraphRAG通过知识图谱的社区结构，能生成全局摘要，回答“前5个主题”这类总结性问题，同时也能支持精确的本地实体查询。
• Q：社区检测的层次级别如何选择？
  A：如果希望答案更详尽，选择较低层次（更细粒度的社区报告）；如果希望速度快、资源消耗少，选择较高层次（更概括的报告）。需根据具体应用场景权衡。
• Q：TextUnit的chunk大小为什么设为1200 token？
  A：这是常见的平衡值：太大会丢失细节，太小会导致实体抽取不完整。1200 token在大多数场景下能兼顾语义完整性和处理效率。

总结来说，GraphRAG通过构建LLM生成的知识图谱，实现了从“向量匹配”到“结构理解”的飞跃，让大模型不仅能回答“什么是X”，还能回答“数据中最突出的几个模式是什么”。无论是需要全局洞察还是本地细节，GraphRAG都提供了对应的搜索策略，为知识密集型应用开启了新的可能。

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：GraphRAG原理解析：大模型知识图谱自动生成技术详解要求：
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