AI专业术语
GraphRAG
图增强 RAG · 让 AI 像人一样串联知识
RAGLLM
GRAP
- 定义
- GraphRAG是AI领域的专业术语。GraphRAG 将传统 RAG 的向量检索升级为知识图谱检索，能回答需要跨文档关联推理的复杂问题。
最后更新：2026-03-18
什么是GraphRAG？
GraphRAG 将传统 RAG 的向量检索升级为知识图谱检索，能回答需要跨文档关联推理的复杂问题。微软在 2024 年开源的 GraphRAG 项目引发了广泛关注。
- 解决传统 RAG 无法处理的多跳推理问题
- 用知识图谱建模实体间的关系
- 微软开源项目，社区活跃
GraphRAG详解
传统 RAG 基于向量相似度检索，擅长回答「什么是 X」但难以回答「X 和 Y 有什么关系」。GraphRAG 通过构建知识图谱来建模实体间的关系，支持多跳推理和全局摘要。微软的 GraphRAG 方案使用 LLM 自动从文档中提取实体和关系，构建社区层级的知识图谱，然后在检索时同时利用向量搜索和图遍历。GraphRAG 的挑战在于图谱构建成本高、维护复杂，且对于简单问题可能过度设计。
GraphRAG的应用场景
正式定义
通过知识图谱增强检索能力以支持多跳推理和全局摘要的 RAG 架构升级
应用场景
- 需要跨文档关联推理的复杂问答
- 企业知识管理和关系分析
- 学术文献的关联检索
常见误区
- GraphRAG 不是取代传统 RAG，简单问题用传统 RAG 更高效
- 知识图谱的构建和维护成本不可忽视
- GraphRAG 的效果高度依赖图谱的质量和完整性
实际案例
📌 微软 GraphRAG 开源
微软 2024 年开源的 GraphRAG 项目在 GitHub 获得 20K+ Star，通过 LLM 自动构建知识图谱，在多跳问答任务上比传统 RAG 提升 30-50% 的准确率。
GraphRAG的参考来源
- 论文From Local to Global: A Graph RAG Approach to Query-Focused SummarizationMicrosoft Research · 2024-04
- 文档
关于GraphRAG的常见问题
- GraphRAG 和普通 RAG 有什么区别
- 普通 RAG 检索独立文本片段，GraphRAG 先构建知识图谱再检索，能捕捉实体间关系，适合需要全局理解的复杂问题。
- GraphRAG 适合什么场景
- 适合需要跨文档推理、实体关系分析的场景，如法律文书分析、学术文献综述、企业知识管理。