生活分享

图谱检索增强生成(GraphRAG):从关系看懂整批文档

GraphRAG 把实体及其关系纳入检索,帮助回答跨文档的关联与整体主题。本文以 Microsoft 原始论文及官方文档为范围,拆解实体抽取、社区摘要、局部搜索和全局搜索,以地方活动记录示范不同问题需要不同路径。也说明图谱漏连、名称误合并与摘要失真如何影响答案,避免把一张漂亮的关系图误认为已验证的事实。

阅读时间约 7 分钟

LINE 分享
文档旁的人物与组织节点形成相连群集,呈现跨文档关系
图片:Mokaair (© Mokaair)
目录
  1. 1. 图谱提供的是连接方式
  2. 2. 局部问题与全局问题走不同路
  3. 3. 示范:阅读地方活动记录
  4. 4. 图越漂亮,越要看来源
  5. 5. 引入前先确认问题类型

GraphRAG 可以广义指运用图谱关系来增强生成回答的系统,也常特指 Microsoft Research 发表的 GraphRAG 方法与开源项目。本篇以后者的原始论文及官方文档为主,说明如何先从文档抽取实体与关系,再用这些结构支持问答。不同厂商同名方案的索引与搜索方式不一定相同,不能只靠名字比较。

它值得关注的问题是:当答案分散在很多文档里,单纯找几段文字最相近的片段,是否足以回答“整体有哪些共同主题”?例如一批地方活动记录,各篇只谈单次活动,读者却想知道不同团体长期合作的模式。图谱和社区摘要提供另一条整理路径,但抽取出的关系仍需回到原文检查。

图谱提供的是连接方式

Microsoft 的方法先把文档拆成文本单元,再抽取人物、组织、地点等实体与它们的关系。接着对图做聚类,为群集及相关内容生成社区摘要。这些摘要供跨文档的整体问答使用,并不是把所有原文永远丢掉。系统仍需要把实体、关系、摘要与原始段落连接起来,才有追查出处的可能。

这里的“社区”是图分析所形成的群集,不必等于现实社会中的正式团体。若两个组织经常出现在相连记录里,它们可能在图中靠近,但不能直接推断彼此具有法律、财务或治理关系。聚类是一种数据整理结果,抽取的关系也可能只是文本中的主张。把图上相连误读成因果,是使用时特别需要避免的跳跃。

局部问题与全局问题走不同路

局部搜索适合问特定实体,例如某个团体和哪些场地合作。官方流程会找到与问题相关的实体,沿关系获取邻近信息,并结合相关原始段落放进上下文。它保留了从一个明确起点展开的特性,能补上单一段落未提到、却在其他记录中出现的连接。仍要注意关系方向与时间,合作过不代表目前仍合作。

全局搜索则面向整批数据的主题,例如所有活动最常出现哪些合作困难。Microsoft 的设计利用社区报告生成局部回应,再汇总为整体答案。这是一种先整理再综合的架构,不能直接当成精确统计工具。若要知道某词出现的次数或每年活动总场次,结构化计数往往比让摘要回答更适合,尤其不能把“常见”自动换成比例。

从原文抽取实体关系,一路沿特定实体做局部搜索,另一路建立社区摘要回答全局主题
局部搜索沿实体展开,全局搜索利用社区摘要整理整体议题。 · 图片:Mokaair (© Mokaair)
阅读完整文字说明

从原文抽取实体关系,一路沿特定实体做局部搜索,另一路建立社区摘要回答全局主题

示范:阅读地方活动记录

假设有一批虚构记录,包含山城书屋、河畔协会及不同场地的活动报告。输入“山城书屋曾与哪些团体合办活动?”时,可先定位书屋实体,沿共同主办关系获取团体,再找支持每条关系的原文。预期输出是团体名称、合作活动与记录出处,而不是把同篇出现的所有组织都列成共同主办方。

改问“这批记录里,活动组织最常面临什么困难?”时,需求变成跨文档主题整理。系统可查看各社区摘要中的场地协调、人手安排等内容,再汇总重复议题,附可追查的例子。这里的主题是教学示意,未执行真实数据分析。如果某个困难只在少数记录中出现,答案应保留它的范围,不能写成所有团体共同面临。

为检查图谱是否有用,可以保留一份人工确认的小样本。先核对书屋与协会是否被正确识别,再核对共同主办关系,最后看答案是否完整。若错在把同名书屋合并,换生成模型未必有帮助;若图谱正确但答案把曾经合作写成持续合作,则要修正生成及引用检查。

图越漂亮,越要看来源

图谱构建可能漏掉隐含关系,也可能把代称解析到错误人物。文档若写“本会”却没有清楚的上下文,抽取器很难可靠识别;同名机构、改名与不同分店更容易造成混淆。数据清理时需要稳定标识符、别名及时间信息,并保留合并决策。把一切都交给模型自动抽取,会让错误沿着关系与摘要继续传播。

摘要也是生成内容。它可能略过少数意见,或者把带保留的说法写得太确定;全局答案若又根据摘要生成,便多了一层可能失真。比较重要的主张应回查原文,而非只引用另一段机器摘要。当数据来源彼此矛盾,图谱最好记录不同来源的主张,而不是在建索引时悄悄选一边,让后续读者完全看不到冲突。

引入前先确认问题类型

GraphRAG 常需要比一般文档检索更多的预处理:抽取、关系整理、聚类及摘要都要计算,文档更新也可能影响已有结构。若主要需求只是查明确条文或找特定名称,较直接的搜索流程可能更容易维护。是否值得付出索引成本,应由跨文档问题的改善程度判断,不能从图中节点很多就推定价值很高。

验收时可分开测试局部关系题、全局主题题,以及需要精确计数的题目,检查系统是否选对方法。除了答案质量,也要检查引用、实体误合并、更新后图谱一致性及未授权数据是否被隔离。一般读者可以把 GraphRAG 理解成增加关系与群集视角的数据阅读方式;它整理了通往证据的路径,并没有替证据本身背书。

另外,图谱更新需要可追踪的数据版本。删除一份原文时,相关关系和摘要可能仍包含它的内容;不能只删原文件就假定整个系统已同步清理干净。验收应挑一条已撤下的记录重新查询,检查原文引用、图上的关系与摘要是否仍受它影响。

概念对照;来源查证于 2026 年 9 月。
方法处理重点需要留意
局部搜索特定实体与邻近关系核对关系方向和时间
全局搜索社区摘要与整体议题摘要不等于完整统计
一般向量检索语义相近的原文片段可能漏掉分散的关系

AI 名词总索引:从 Loop Engineering 到生成式 AI

觉得这篇整理实用吗?分享给需要的朋友

LINE 分享
  • 生活分享

    代理式检索增强生成(Agentic RAG):何时需要再查一次

    代理式检索增强生成让模型参与检索决策,根据问题与已找到的证据选择数据来源、改写查询或继续补查。本文采用 LangGraph 文档中的具体流程,以比较场地借用条件示范它和固定式 RAG 的差别,并说明停止条件、权限、查询记录及成本控制。读完能判断任务需要动态探索,还是用可预测的固定流程就足够。

  • 生活分享

    知识图谱(Knowledge Graph):把事物与关系说清楚

    知识图谱用实体及关系组织数据,让“谁参与什么、在哪里、何时发生”能沿链接查询。本文以社群活动数据演示实体识别、关系方向、来源与时间,介绍资源描述框架(RDF)和属性图的表示差异,也说明图谱不等于可视化或可信事实。读完能判断数据适不适合建图,并理解它如何与数据表、向量搜索及图谱检索增强生成(GraphRAG)搭配。

  • 生活分享

    混合搜索(Hybrid Search):兼顾精确字词与语义

    混合搜索将全文搜索与向量等不同检索结果合并,兼顾精确代码和自然语言需求。本文用设备说明书查询拆解候选获取、去重、排名融合和重新排序,介绍倒数排名融合(RRF)如何用名次融合不同搜索结果,也提醒混合不保证全面更准。读完能用代码题、改写题和无答案题检查质量,并辨认权限、筛选与重复内容造成的偏差。

  • 生活分享

    检索增强生成(RAG)是什么:让回答附上可查的依据

    检索增强生成会先从外部资料中找出相关内容,再交给语言模型组织回答。本文以活动报名规章的问答为例,拆解建立索引、检索、生成与来源核对,说明它和搜索、微调的区别,也解释为什么有引用仍可能答错。读完能判断问题出在资料未更新、文档没找齐,还是模型对证据过度解读,并知道什么情况应保留“不知道”的答案。

资料来源

本文依据上方所列参考来源与标示之核实日期整理;票价、时刻、功能规格或服务条款可能变动,出发、预订或购买前请至相关官方网站确认最新信息。

生活分享