GraphRAG 入門教程：從原理到實戰

1. 什么是 GraphRAG？

GraphRAG 是一種結構化的、分層的檢索增強生成（Retrieval-Augmented Generation，簡稱 RAG）方法

• 和傳統的 RAG 不同，GraphRAG 不僅僅依賴文本相似度搜索，而是先把文本轉成 知識圖譜（-Knowledge Graph），再基于圖譜結構來檢索和生成答案。
• 【回答質量高，但 token 消耗大、生成時間久，所以使用代價較高，個人部署不建議 ~~~ 】

簡單來說：

• 傳統 RAG：找到和問題最像的文本片段 → 直接生成答案。
• GraphRAG：先提取實體和關系 → 構建知識圖譜 → 檢索更精準的信息 → 生成更豐富的答案。

這樣做的好處是：

• 更好地處理跨文檔、多跳推理的問題。
• 能發現信息之間的隱含聯系，而不僅是關鍵詞匹配。

---

2. GraphRAG 原理

GraphRAG 核心思想：

1. 從原始文本中提取知識圖譜
   • 節點（實體）+ 邊（關系）
2. 構建社區層級（Community Levels）
   • 發現信息的群體結構，比如哪些實體屬于同一主題、組織或地理位置。
3. 為這些社區生成摘要
   • 讓模型理解某個社區的整體背景。
4. 結合 RAG 任務執行問答
   • 通過圖譜檢索找到最相關的信息，再生成答案。

類比一下：傳統 RAG 是“在書里找幾段相關的句子”，GraphRAG 是“先畫一張信息關系圖，再從圖上找到最優路徑來回答問題”。

---

3. GraphRAG 的流程

GraphRAG 的整體流程可以分為兩大部分：索引階段 和 查詢階段。

3.1 索引階段（Indexing）

1. 切分文本: 把大文本庫切成可處理的小單元（TextUnits）。
2. 提取實體、關系和關鍵聲明：用 LLM 從文本中抽取人物、地點、事件等實體及它們之間的關系。
3. 構建知識圖譜：節點是實體，邊是關系。
4. 社區檢測與聚類：用 Leiden 等算法將圖譜分成若干社區。
5. 生成社區摘要：用 LLM 總結社區關鍵信息。
6. 存儲到圖數據庫：方便后續高效檢索。

3.2 查詢階段（Querying）

1. 解析用戶問題：分解查詢、識別涉及的實體。
2. 全局檢索：從社區摘要中獲取整體背景。
3. 局部檢索：深入鄰居節點和相關關系，獲取細節。
4. 生成答案：將檢索結果交給 LLM，生成自然語言回答。

---

4. 示例對比

假設問題是：

“Query：19世紀的藝術運動是如何影響20世紀現代藝術的發展的？”

• 傳統 LLM 直接回答：

  “19 世紀的藝術運動通過鼓勵對色彩、形式和主題的實驗，影響了 20 世紀的現代藝術……”

  籠統，沒有細節鏈路!

• 普通 RAG 回答（檢索文本片段）：

  檢索：1. 像克勞德·莫奈這樣的印象派藝術家引入了新技術，徹底改變了對光和顏色的描繪。2. 印象派的技法影響了后來的 …
  回答：莫奈引入新技術，改變了光和色彩的描繪；印象派影響了后來的藝術運動；畢加索開創立體主義……

  回答依舊可能割裂！

• GraphRAG 回答（基于知識圖譜）：

  檢索：（莫奈）- [引進] →（新技術）- [革新] →（光和顏色的描繪）…
  回答：“莫奈引入的新技術徹底改變了光和色彩的描繪，他的印象派技巧影響了后來的藝術運動，包括 20 世紀初出現的畢加索立體主義。這種影響幫助塑造了畢加索對碎片化視角的創新方法。”

  優勢：

  • 有因果鏈條（莫奈 → 新技術 → 印象派 → 立體主義）
  • 信息更連貫

---

5. 實戰：如何跑 GraphRAG

官方代碼地址：https://github.com/microsoft/graphrag

Step 1. 克隆代碼

git clone https://github.com/microsoft/graphrag.git
cd graphrag

Step 2. 安裝依賴、初始化 & 配置

pip install poetry
poetry install
poetry run poe index --init--root .

• 正確運行后，此處會在 graphrag 目錄下生成 output、prompts、.env、settings.yaml 文件
• 之后需要對 .env 文件配置 GRAPHRAG_API_KEY、修改 settings.yaml 設置 model

Step 3. 準備數據，放到 ./input 目錄下

• 準備一個包含多篇文檔的文本數據集（比如企業內部報告）
• 格式可以是 .txt / .csv / .json

Step 4. 構建索引 （文本越長越久）

python -m graphrag.index --init

之后會看到類似如下的一些生成信息：

create_base_text_units
...create base_extracted_entities
...create_summarized_entities
...create_base_entity_graph
...create_final_entity 
...create_final_communities
...
...
...All workflows completed successfully.

• 正確運行后，會在 ./cache 文件夾下面生成4個文件夾，方便后續進行提問
  

Step 5. 運行查詢

python -m graphrag.query--root ./cases --method global "你的問題"  ## global 模式

• local 答案生成（代價高）：針對具體問題，GraphRAG通過結合元素和元素摘要生成初步答案，這些答案來源于GraphRAG中的特定社區；
• global 答案生成 （代價非常高）：對于需要涵蓋整個數據集的全局性問題，GraphRAG采用Map-Reduce機制，將所有社區的初步答案組合起來。

---

6. 適用場景

GraphRAG 特別適合：

• 跨文檔問答：多個文檔中信息關聯的問題。
• 多跳推理：需要從多個實體關系鏈推理出答案。
• 知識管理：企業內部知識庫、科研資料等。
• 長文本總結：社區層級摘要可以提煉核心脈絡。

---

7. 總結

GraphRAG 讓 RAG 不再是“找最像的文本”，而是“基于關系圖譜推理回答”。
它的關鍵價值在于：

• 結構化信息 → 讓知識更可檢索、可推理。
• 分層摘要 → 快速獲得全局視野與細節。
• 更適合復雜、跨域的問題。

如果你平時做的問答任務經常遇到：

• 回答內容碎片化、不連貫
• 模型找不到跨文檔的關鍵信息

那 GraphRAG 值得你嘗試。