圖譜檢索增強生成（GraphRAG）：從關係看懂整批文件

GraphRAG 可以廣義指運用圖譜關係來增強生成回答的系統，也常特指 Microsoft Research 發表的 GraphRAG 方法與開源專案。本篇以後者的原始論文及官方文件為主，說明如何先從文件抽取實體與關係，再用這些結構支援問答。不同廠商同名方案的索引與搜尋方式不一定相同，不能只靠名字比較。

它值得關注的問題是：當答案分散在很多文件裡，單純找幾段文字最相近的片段，是否足以回答「整體有哪些共同主題」？例如一批地方活動紀錄，各篇只談單次活動，讀者卻想知道不同團體長期合作的模式。圖譜和社群摘要提供另一條整理路徑，但抽取出的關係仍需回到原文檢查。

圖譜提供的是連結方式

Microsoft 的方法先把文件拆成文字單位，再抽取人物、組織、地點等實體與它們的關係。接著對圖做分群，為群集及相關內容產生社群摘要。這些摘要供跨文件的整體問答使用，並不是把所有原文永遠丟掉。系統仍需要把實體、關係、摘要與原始段落連起來，才有追查出處的可能。

這裡的「社群」是圖分析所形成的群集，不必等於真實社會中的正式團體。若兩個組織經常出現在相連紀錄裡，它們可能在圖中靠近，但不能直接推論彼此具有法律、財務或治理關係。分群是一種資料整理結果，抽取關係也可能只是文字主張。把圖上相連誤讀成因果，是使用時特別需要避免的跳躍。

局部問題與全域問題走不同路

局部搜尋適合問特定實體，例如某個團體和哪些場地合作。官方流程會找到與問題相關的實體，沿關係取得鄰近資訊，並結合相關原始段落放進上下文。它保留了從一個明確起點展開的特性，能補上單一段落未提到、卻在其他紀錄出現的連結。仍要注意關係方向與時間，合作過不代表目前仍合作。

全域搜尋則面向整批資料的主題，例如所有活動最常出現哪些合作困難。Microsoft 的設計利用社群報告產生局部回應，再彙整為整體答案。這是一種先整理再綜合的架構，不能直接當成精確統計工具。若要知道某詞出現的次數或每年活動總場次，結構化計數往往比讓摘要回答更適合，尤其不能把「常見」自動換成比例。

示範：閱讀地方活動紀錄

假設有一批虛構紀錄，包含山城書屋、河畔協會及不同場地的活動報告。輸入「山城書屋曾與哪些團體共辦活動？」時，可先定位書屋實體，沿共同主辦關係取得團體，再找支持每條關係的原文。預期輸出是團體名稱、合作活動與紀錄出處，而不是把同篇出現的所有組織都列成共同主辦。

改問「這批紀錄裡，活動組織最常面臨什麼困難？」時，需求變成跨文件主題整理。系統可檢視各社群摘要中的場地協調、人手安排等內容，再彙整重複議題，附可追查的例子。這裡的主題是教學示意，未執行真實資料分析。如果某個困難只在少數紀錄出現，答案應保留它的範圍，不能寫成所有團體共同面臨。

為檢查圖譜是否有用，可以保留一份人工確認的小樣本。先核對書屋與協會是否被正確識別，再核對共同主辦關係，最後看答案是否完整。若錯在把同名書屋合併，換生成模型未必有幫助；若圖譜正確但答案把曾經合作寫成持續合作，則要修正生成及引用檢查。

圖越漂亮，越要看來源

圖譜建構可能漏掉隱含關係，也可能把代稱解析到錯誤人物。文件若寫「本會」卻沒有清楚上下文，抽取器很難可靠辨識；同名機構、改名與不同分店更容易造成混淆。資料清理時需要穩定識別碼、別名及時間資訊，並保留合併決策。把一切都交給模型自動抽取，會讓錯誤沿著關係與摘要繼續傳播。

摘要也是生成內容。它可能略過少數意見，或者把帶保留的說法寫得太確定；全域答案若又根據摘要生成，便多了一層可能失真。比較重要的主張應回查原文，而非只引用另一段機器摘要。當資料來源彼此矛盾，圖譜最好記錄不同來源的主張，而不是在建索引時悄悄選一邊，讓後續讀者完全看不到衝突。

導入前先確認問題類型

GraphRAG 常需要比一般文件檢索更多的前處理：抽取、關係整理、分群及摘要都要計算，文件更新也可能影響既有結構。若主要需求只是查明確條文或找特定名稱，較直接的搜尋流程可能更容易維護。是否值得付出索引成本，應由跨文件問題的改善程度判斷，不能從圖中節點很多就推定價值很高。

驗收時可分開測局部關係題、全域主題題，以及需要精確計數的題目，檢視系統是否選對方法。除了答案品質，也要檢查引用、實體誤合併、更新後圖譜一致性及未授權資料是否被隔離。一般讀者可以把 GraphRAG 理解成增加關係與群集視角的資料閱讀方式；它整理了通往證據的路徑，並沒有替證據本身背書。

另外，圖譜更新需要可追蹤的資料版本。刪除一份原文時，相關關係和摘要可能仍包含它的內容；不能只刪原檔就假定整個系統同步乾淨。驗收應挑一個已撤下的紀錄重新查詢，檢查原文引用、圖上的關係與摘要是否仍受它影響。

知識圖譜（Knowledge Graph）：把事物與關係說清楚

檢索增強生成（RAG）是什麼：讓回答附上可查的依據

語意搜尋（Semantic Search）：用不同說法找到相關內容

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋