GraphRAG 是什么？它与传统向量 RAG 有什么区别？
简化版
GraphRAG 把文本中的实体、关系、主题组织成图，再结合社区摘要或图遍历检索，擅长跨文档关系、多跳问题、面向整个语料的全局总结。传统向量 RAG 擅长「找语义相近片段」，构建简单、成本低；GraphRAG 建图和维护更贵，不是所有知识库都需要。实际系统常把图检索、向量检索、关键词检索组合，而非三选一。
详细版
传统向量 RAG：「切块 → Embedding → 近邻召回」。GraphRAG 增加结构化过程：
- 从文本抽取实体、关系、声明；
- 合并同一实体，构建带来源的知识图；
- 对图做社区发现/层次聚类；
- 为社区生成摘要；
- 查询时按实体邻域做局部搜索，或聚合社区摘要回答全局问题。
向量 RAG 适合「某条规定是什么」这类局部事实；GraphRAG 适合「整个数据集有哪些主题、如何关联」或需跨多文档连接实体的问题。
完整版教学
一、传统 RAG 的结构盲区
向量检索按文本相似度找 chunk。若关系分散在多份文档，单个 chunk 与完整问题可能都不够相似：
问："哪些供应商同时关联两个高风险项目？"
需要识别：供应商 ↔ 项目 ↔ 风险 三者的关系，并跨文档聚合
向量检索：每个 chunk 只讲一个供应商或一个项目 → 没有一个 chunk 与整个问题高度相似
调大 Top-k：只带来更多零散片段，不会自动建立"谁关联谁"的清晰关系这就是向量 RAG 的「结构盲区」——它找得到相似文本，却建不起关系网络。
二、GraphRAG 的索引阶段（贵但有结构）
GraphRAG 用模型或信息抽取工具识别实体、关系、关键声明，保留回到原文的来源（provenance），再做实体消歧、图聚类、社区摘要：
海量文档 → 抽取三元组（实体-关系-实体）→ 消歧合并同名实体 → 构建知识图
→ 社区发现（把关联紧密的实体聚成"社区"）→ 为每个社区生成摘要报告微软的 GraphRAG 路线会对实体图做层次社区划分并为社区生成报告，让系统从不同粒度理解整个语料。代价：这个索引过程比普通 Embedding 建库贵得多，还会引入抽取和摘要误差。
三、局部搜索 vs 全局搜索
GraphRAG 的两种查询模式对应两类问题：
| 模式 | 怎么做 | 适合 |
|---|---|---|
| 局部搜索 | 从问题涉及的实体出发，收集其关系、邻居、相关文本和社区信息 | 实体中心问题（「张三负责哪些项目」） |
| 全局搜索 | 聚合多个社区摘要回答 | 主题性/全局问题（「过去一年投诉的主要模式」） |
全局搜索不是在原始 chunk 里找一句最相似文本，而是聚合多个社区的结构化摘要——这是传统向量 RAG 根本做不到的。
四、知识图谱不保证事实正确
一个关键认知：图结构不等于真理。实体和关系可能抽错、同名实体可能合并错、社区摘要可能遗漏或幻觉。所以：
记忆钩子：每条图边和摘要都要保留到原始文本的 provenance（来源），最终回答能回溯证据。 图中的关系还可能带时间、版本、置信度，不能把所有边当成永久真值。
五、何时值得用（成本-收益）
| 适合 GraphRAG | 不一定适合 |
|---|---|
| 跨文档实体关系、多跳问答 | 简单 FAQ、小规模手册 |
| 调研/情报/案件/科研语料 | 文档更新极频繁、建图成本敏感 |
| 需发现全局主题、群体结构 | 主要是精确条款/关键词查找 |
| 已有高质量知识图谱的企业 | 无法接受抽取和图维护复杂度 |
组合用法：先用关键词/向量定位相关实体和文本，再沿图扩展关系；或用图找候选社区，再回原始 chunk 做向量检索 + Reranker。图负责结构和连接，向量负责模糊语义匹配，互补。
六、常见误区与追问
- 误区：GraphRAG 总比向量 RAG 好。 优势集中在关系性/全局性问题；局部事实检索它可能只是增加复杂度和成本。
- 误区：知识图谱里的关系都是真的。 实体/关系可能抽错、合并错、摘要幻觉，要保留 provenance 可回溯。
- 误区：GraphRAG 就是某个开源库。 它是一类图增强检索思想，不同实现术语和流程不同。
- 误区：调大 Top-k 能替代 GraphRAG。 只带来更多零散片段，建不起跨文档关系。
- 追问：向量 RAG 的结构盲区是什么？ 关系分散在多文档时，没有单个 chunk 与完整问题高度相似，建不起关系网络。
- 追问：局部搜索和全局搜索区别？ 局部从实体邻域收集信息（实体中心问题），全局聚合社区摘要（主题性问题）。
- 追问：GraphRAG 的主要代价？ 索引阶段（抽取+消歧+聚类+摘要）比 Embedding 建库贵得多，且引入抽取/摘要误差。
- 追问：怎么评估 GraphRAG 值不值？ 评实体识别/对齐/关系准确性/证据可追溯/多跳覆盖/全局问题质量，和便宜的向量 RAG 基线比；若收益只来自更多 token 或更强生成模型，就不能证明图结构值这个成本。
七、加强记忆
GraphRAG 记「先画关系图和主题地图再查」：从文本抽实体/关系构建知识图 + 社区摘要，用局部搜索（实体邻域）答实体问题、全局搜索（聚合社区摘要）答主题性问题——擅长跨文档关系、多跳、全局总结，补上向量 RAG 的「结构盲区」。核心认知钉死：建图贵且有抽取误差（要保留 provenance 可回溯）、不是所有库都需要（局部事实用向量 RAG 更划算）、常与向量/关键词组合而非三选一、调大 Top-k 替代不了它。图管结构连接、向量管模糊语义，互补。