【入门教程】GraphRAG 结构化检索增强生成：从原理到实战

在这里插入图片描述

GraphRAG 入门教程：从原理到实战

1. 什么是 GraphRAG？

GraphRAG 是一种结构化的、分层的检索增强生成（Retrieval-Augmented Generation，简称 RAG）方法

和传统的 RAG 不同，GraphRAG 不仅仅依赖文本相似度搜索，而是先把文本转成 知识图谱（-Knowledge Graph），再基于图谱结构来检索和生成答案。
【回答质量高，但 token 消耗大、生成时间久，所以使用代价较高，个人部署不建议 ~~~ 】

简单来说：

传统 RAG：找到和问题最像的文本片段 → 直接生成答案。
GraphRAG：先提取实体和关系 → 构建知识图谱 → 检索更精准的信息 → 生成更丰富的答案。

这样做的好处是：

更好地处理跨文档、多跳推理的问题。
能发现信息之间的隐含联系，而不仅是关键词匹配。

2. GraphRAG 原理

在这里插入图片描述

GraphRAG 核心思想：

从原始文本中提取知识图谱
- 节点（实体）+ 边（关系）
构建社区层级（Community Levels）
- 发现信息的群体结构，比如哪些实体属于同一主题、组织或地理位置。
为这些社区生成摘要
- 让模型理解某个社区的整体背景。
结合 RAG 任务执行问答
- 通过图谱检索找到最相关的信息，再生成答案。

类比一下：传统 RAG 是“在书里找几段相关的句子”，GraphRAG 是“先画一张信息关系图，再从图上找到最优路径来回答问题”。

3. GraphRAG 的流程

GraphRAG 的整体流程可以分为两大部分：索引阶段 和 查询阶段。
在这里插入图片描述

3.1 索引阶段（Indexing）

切分文本: 把大文本库切成可处理的小单元（TextUnits）。
提取实体、关系和关键声明：用 LLM 从文本中抽取人物、地点、事件等实体及它们之间的关系。
构建知识图谱：节点是实体，边是关系。
社区检测与聚类：用 Leiden 等算法将图谱分成若干社区。
生成社区摘要：用 LLM 总结社区关键信息。
存储到图数据库：方便后续高效检索。

3.2 查询阶段（Querying）

解析用户问题：分解查询、识别涉及的实体。
全局检索：从社区摘要中获取整体背景。
局部检索：深入邻居节点和相关关系，获取细节。
生成答案：将检索结果交给 LLM，生成自然语言回答。

4. 示例对比

在这里插入图片描述

假设问题是：

“Query：19世纪的艺术运动是如何影响20世纪现代艺术的发展的？”

传统 LLM 直接回答：

“19 世纪的艺术运动通过鼓励对色彩、形式和主题的实验，影响了 20 世纪的现代艺术……”

笼统，没有细节链路!
普通 RAG 回答（检索文本片段）：

检索：1. 像克劳德·莫奈这样的印象派艺术家引入了新技术，彻底改变了对光和颜色的描绘。2. 印象派的技法影响了后来的 …
回答：莫奈引入新技术，改变了光和色彩的描绘；印象派影响了后来的艺术运动；毕加索开创立体主义……

回答依旧可能割裂！
GraphRAG 回答（基于知识图谱）：

检索：（莫奈）- [引进] →（新技术）- [革新] →（光和颜色的描绘）…
回答：“莫奈引入的新技术彻底改变了光和色彩的描绘，他的印象派技巧影响了后来的艺术运动，包括 20 世纪初出现的毕加索立体主义。这种影响帮助塑造了毕加索对碎片化视角的创新方法。”

优势：
- 有因果链条（莫奈 → 新技术 → 印象派 → 立体主义）
- 信息更连贯

5. 实战：如何跑 GraphRAG

官方代码地址：https://github.com/microsoft/graphrag

Step 1. 克隆代码

git clone https://github.com/microsoft/graphrag.git
cd graphrag

Step 2. 安装依赖、初始化 & 配置

pip install poetry
poetry install
poetry run poe index --init--root .

正确运行后，此处会在 graphrag 目录下生成 output、prompts、.env、settings.yaml 文件
之后需要对 .env 文件配置 GRAPHRAG_API_KEY、修改 settings.yaml 设置 model

Step 3. 准备数据，放到 ./input 目录下

准备一个包含多篇文档的文本数据集（比如企业内部报告）
格式可以是 .txt / .csv / .json

Step 4. 构建索引（文本越长越久）

python -m graphrag.index --init

之后会看到类似如下的一些生成信息：

create_base_text_units
...

create base_extracted_entities
...

create_summarized_entities
...

create_base_entity_graph
...

create_final_entity 
...


create_final_communities
...
...
...

All workflows completed successfully.

正确运行后，会在 ./cache 文件夹下面生成4个文件夹，方便后续进行提问

Step 5. 运行查询

python -m graphrag.query--root ./cases --method global "你的问题"  ## global 模式

local 答案生成（代价高）：针对具体问题，GraphRAG通过结合元素和元素摘要生成初步答案，这些答案来源于GraphRAG中的特定社区；
global 答案生成（代价非常高）：对于需要涵盖整个数据集的全局性问题，GraphRAG采用Map-Reduce机制，将所有社区的初步答案组合起来。