GraphRAG：知识图谱增强检索

可视化演示

动态演示GraphRAG的核心机制，通过全局/局部/动态/静态四种模式展示关键概念与交互流程。

RAG时代难题：传单翻找的盲区

你问一位只带传单的游客助手：“这座城市为什么能形成夜市文化？”它飞快地翻找手头每一张传单，找到了“夜市”二字的段落，却答不出演变原因——因为原因分散在不同街区的零散记录里，而传单与传单之间没有任何连接。传统 RAG 就是这样的传单翻找者：它把文档切块转成向量，每次只找回最“语义接近”的碎片，再把碎片塞给大模型。这种模式对“某某公司的桌游是什么”这类单点问题很管用，但对跨多个段落、需要全局视野的问题，碎片之间缺乏关联，答案往往会遗漏关键信息。

这就是 RAG 时代的三重难题。第一，向量检索局限：语义相似不等于事实相关，“讨论夜市”的段落未必包含“市政规划允许占道经营”这个关键前提。第二，全局问答痛点：像“这家公司从创立到上市经历了哪些关键融资”，答案散落在新闻、公告、访谈里，零散检索很难拼接。第三，碎片化上下文：切块后的段落失去与前后文档的结构联系，模型看到的是一堆孤岛，而非有组织的知识网络。

GraphRAG 的出发点正是补上这两块拼图：用知识图谱保存“片段之间的关系”，用社区结构提供“全局到局部的层次视野”。传单翻找者升级为城市地图导航员，问题从“哪张传单提到了它”变成“哪个地标、沿哪条道路、穿过哪个街区能到达它”。

知识图谱基础：地标与道路

要画城市地图，先要定义地标和道路。知识图谱里的实体（Entity）就是地标：OpenAI 是一栋大楼，Sam Altman 是一位居民，微软是一条商业街。关系（Relation）就是地标之间的道路：Sam Altman “创立” OpenAI，“微软 投资 了 OpenAI”，关系有方向、有名字。地标和道路组合起来，就构成了图结构——比散装传单多了一层“互联互通”。

一张完整的地图可以用一个简洁的公式定义：

有了地标和道路之后，地图还需要一种标准表达方式——三元组。每条道路写成一条记录：(头实体, 关系, 尾实体)，例如 (Sam Altman, 创立, OpenAI)。这就像路牌上写“从 Sam 大楼，沿创立大道，到达 OpenAI 广场”。三元组是建图的基砖，也是后面检索时“沿路走”的依据。城市地图的骨架就此成形，下一步就是如何把一堆传单变成这张地图。

图谱构建流程：测绘师画地图

地图不会凭空出现，需要测绘师上路。GraphRAG 的“测绘师”是抽取模型——它通读全部文档，做两件事：第一，实体抽取，识别文档里哪些词是地标（公司、人物、地点、时间）；第二，关系抽取，判断地标之间是什么道路（创立、收购、位于、任职）。大模型可以基于提示词直接从文本中抽取三元组，例如从“Sam Altman 于 2015 年参与创立 OpenAI”中抽出 (Sam Altman, 创立, OpenAI)。

抽取环节不只做判断，还要给每个判断打分。一个三元组是否可信，取决于三个子环节的置信度：

测绘完成后，还要做一次“噪音过滤”：置信度过低的边宁可不要，否则地图上会出现许多走不通的断头路。与此同时，向量索引仍然保留——就像地图上每个地标还贴了一张“语义标签”照片。建图过程通常离线进行，成本高但一次建成、长期复用。测绘师收工后，下一步是给这座城分区。

社区检测聚合：街区划分与攻略

城市太大，导航员不可能记住每栋楼的全部细节。于是他按“地标密集程度”给城市划街区——写字楼聚集区、美食街区、老城居民区。GraphRAG 对应的操作叫社区检测（Community Detection）：在图里寻找“内部连接紧密、对外连接稀疏”的子图，让彼此关系密切的实体聚成一组。比如 OpenAI、Sam Altman、微软形成一个“AI 产业社区”，虽然它们也和别的公司有联系，但组内联系远多于组间。

社区划分质量用模块度（Modularity）度量，它是社区检测算法的优化目标：

划完街区后，GraphRAG 的独门绝技登场——层次化摘要。为每个社区生成一段“街区攻略”式摘要，例如“该社区涵盖 AI 初创公司及其投资人关系”；再把社区两两聚合，生成更高级别的摘要，形成“城市 → 街区 → 地标”的层次。检索时可以先匹配街区攻略，再进入街区找地标，大幅降低全局问题的搜索成本。

混合检索策略：导航与联想并用

游客提问“这家做语音助手的公司，投资过哪些大模型团队？”这里有两个信号需要同时处理：一是“语音助手”是语义近似，查询词不会精确等于公司名；二是“投资过”是结构关系，需要沿图里的投资边寻找。GraphRAG 的做法是双通道混合检索。

通道一，向量相似匹配：把查询和实体/社区摘要都转成向量，算语义相似度，负责“听音辨位”——即使游客说的是“做音箱的公司”，也能联想到对应实体。通道二，图谱路径扩展：从种子实体出发，沿关系边扩展一跳、两跳，把邻居和邻居的邻居全部纳入候选，负责“沿路寻访”。最后把两个通道的得分融合：

混合检索的意义在于互补：向量检索擅长“用户没说准”的开放表述，图谱检索擅长“必须走关系”的结构化追问。两者结合，导航员既听得懂你含含糊糊的描述，又能精确丈量地标之间的距离。

多跳推理作答：沿街走巷拼答案

有些问题，答案不在任何一个地标里，而在一段旅程的终点。“谁投资了那家做语音助手公司的最大股东？”——导航员需要先定位语音助手公司（跳 1），沿“股东”边找到最大股东（跳 2），再沿“投资”边找到目标公司（跳 3）。这种跨越多个关系边的查询，叫多跳推理（Multi-hop Reasoning），是 GraphRAG 相对传统 RAG 的核心优势之一。

多跳检索时，路径得分会随跳数衰减，因为离出发点越远，与问题直接相关的概率越低：

拿到多条候选路径后，模型并不急着回答——它先做上下文聚合：把路径上的实体、中间关系、沿途社区的摘要一起打包，形成一段“带完整来龙去脉”的上下文。比如把“语音助手公司 ← 股东 ← 投资方”的整条链送给大模型，再由大模型生成最终回答。这就像向导把沿途看到的店铺、路牌、街区历史都记录下来，最后给你一个完整故事，而不是一句干巴巴的答案。

落地价值评估：从导航器到城市大脑

当导航器不仅能指路，还能回答“整座城市为何堵车”这类全局问题时，它就升维成了城市大脑。GraphRAG 的价值，正在于把“检索”从找碎片升级为“理解全局”。最典型的落地场景有三类。

企业知识全局问答：审计师问“该供应商与公司股东之间是否存在未披露的关联交易”，答案散落在合同、股权结构、董事会决议等多个文档里。GraphRAG 沿“股权”与“任职”关系边跨文档穿行，把分散关联聚合成一条可追溯的证据链。科研综述辅助：研究员问“近五年知识蒸馏在医学影像中的应用脉络”，GraphRAG 从论文库抽取“方法—任务—数据集”三元组，通过社区摘要勾勒宏观研究版图。医疗档案全局问答：问“患者三年内用过哪些含激素药物”，跨就诊记录的关系图谱把时间、诊断、处方连成个人健康轨迹。

但 GraphRAG 不是银弹，它有三个现实约束。第一，构建成本高：实体关系抽取与社区检测需要离线计算资源，小规模知识库可能得不偿失。第二，抽取质量瓶颈：抽取模型看走眼，地图上就会多出一条错误道路，后续检索将“一路错到底”。第三，动态更新难：文档频繁更新时，图谱需要增量维护，比向量库追加索引复杂得多。一句话：当你的问题需要“跨文档找关系”时，GraphRAG 是城市大脑；当问题都是单点查证时，普通传单翻找也许更轻快。

AI 应用场景

Python 演示

import mathimport re  class LightGraph:    def __init__(self):        self.entity_list = []        self.relations = {}        self.community_map = {}     def add_relation(self, head, tail, rel):        if head not in self.entity_list:            self.entity_list.append(head)        if tail not in self.entity_list:            self.entity_list.append(tail)        self.relations.setdefault(head, []).append((tail, rel))     def detect_communities(self, rounds=4):        comm_map = {e: i % 3 for i, e in enumerate(self.entity_list)}        for _ in range(rounds):            for e in self.entity_list:                counts = {}                for neighbor, _ in self.relations.get(e, []):                    if neighbor in comm_map:                        cid = comm_map[neighbor]                        counts[cid] = counts.get(cid, 0) + 1                if counts:                    comm_map[e] = max(counts, key=counts.get)        self.community_map = comm_map  def token_set(text):    return set(re.findall(r'[\u4e00-\u9fa5a-zA-Z0-9]+', text))  def cosine_sim(text_a, text_b):    set_a = token_set(text_a)    set_b = token_set(text_b)    if not set_a or not set_b:        return 0.0    common = len(set_a & set_b)    return common / math.sqrt(len(set_a) * len(set_b))  def extract_triples(docs):    triples = []    ceo_pattern = re.compile(r'([\u4e00-\u9fa5A-Za-z]+)\s*的\s*CEO\s*是\s*([\u4e00-\u9fa5A-Za-z]+)')    founder_pattern = re.compile(r'([\u4e00-\u9fa5A-Za-z]+)\s*创立了\s*([\u4e00-\u9fa5A-Za-z]+)')    for doc in docs:        for m in ceo_pattern.finditer(doc):            triples.append((m.group(1), 'CEO', m.group(2)))        for m in founder_pattern.finditer(doc):            triples.append((m.group(1), '创立', m.group(2)))    return triples  def retrieve(query, graph, top_k=3, max_hop=2, alpha=0.6):    vec_score = {}    for e in graph.entity_list:        vec_score[e] = cosine_sim(query, e)    seeds = sorted(vec_score.items(), key=lambda x: x[1], reverse=True)[:top_k]    hop_score = {}    for seed, base in seeds:        frontier = [(seed, base, 0)]        visited = set()        while frontier:            current, score, depth = frontier.pop()            visited.add(current)            hop_score[current] = max(hop_score.get(current, 0.0), score)            if depth < max_hop:                for neighbor, _ in graph.relations.get(current, []):                    if neighbor not in visited:                        frontier.append((neighbor, score * 0.5, depth + 1))    result = []    for e in graph.entity_list:        total = alpha * vec_score.get(e, 0.0) + (1 - alpha) * hop_score.get(e, 0.0)        result.append((e, total))    result.sort(key=lambda x: x[1], reverse=True)    return result[:top_k]  def build_company_kg():    graph = LightGraph()    docs = [        'OpenAI 的 CEO 是 Sam Altman。',        'Sam Altman 创立了 OpenAI。',        '微软的 CEO 是 Satya Nadella。',        '微软投资了 OpenAI。',        'DeepMind 的 CEO 是 Demis Hassabis。',        'Google 收购了 DeepMind。',    ]    for head, rel, tail in extract_triples(docs):        graph.add_relation(head, tail, rel)    graph.add_relation('微软', 'OpenAI', '投资')    graph.detect_communities()    return graph  if __name__ == '__main__':    graph = build_company_kg()    query = '谁创立了OpenAI'    hits = retrieve(query, graph)    for entity, score in hits:        print('实体:', entity, '得分:', round(score, 3))    print('社区划分:', graph.community_map)

1. extract_triples(docs)用正则模板从文档中抽取 (头实体, 关系, 尾实体) 三元组，模拟真实场景中的实体关系抽取。
2. graph.add_relation(head, tail, rel)把三元组装进图结构，同时维护实体列表和邻接关系表。
3. detect_communities()用简单的标签传播贪心算法模拟社区检测，让每个实体的社区跟随多数邻居。
4. cosine_sim(text_a, text_b)基于词集合的余弦相似度，充当简化版“向量相似匹配”。
5. retrieve(query, graph, top_k, max_hop, alpha)先用相似度找种子实体，再从种子出发 BFS 多跳扩展并对跳数衰减。
6. total = alpha * vec_score.get(e, 0.0) + (1 - alpha) * hop_score.get(e, 0.0)混合检索的融合打分，向量通道与图通道按 α 加权。

常见误区

面试题