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

GraphRAG 核心思想：

1. 从原始文本中提取知识图谱
   • 节点（实体）+ 边（关系）
2. 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。
3. 为这些社区生成摘要
   • 让模型理解某个社区的整体背景。
4. 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。

3.1 索引阶段（Indexing）

1. 切分文本: 把大文本库切成可处理的小单元（TextUnits）。
2. 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。
3. 构建知识图谱：节点是实体，边是关系。
4. 社区检测与聚类：用 Leiden 等算法将图谱分成若干社区。
5. 生成社区摘要：用 LLM 总结社区关键信息。
6. 存储到图数据库：方便后续高效检索。

3.2 查询阶段（Querying）

1. 解析用户问题：分解查询、识别涉及的实体。
2. 全局检索：从社区摘要中获取整体背景。
3. 局部检索：深入邻居节点和相关关系，获取细节。
4. 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

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。

---

6. 适用场景

GraphRAG 特别适合：

• 跨文档问答：多个文档中信息关联的问题。
• 多跳推理：需要从多个实体关系链推理出答案。
• 知识管理：企业内部知识库、科研资料等。
• 长文本总结：社区层级摘要可以提炼核心脉络。

---

7. 总结

GraphRAG 让 RAG 不再是“找最像的文本”，而是“基于关系图谱推理回答”。
它的关键价值在于：

• 结构化信息 → 让知识更可检索、可推理。
• 分层摘要 → 快速获得全局视野与细节。
• 更适合复杂、跨域的问题。

如果你平时做的问答任务经常遇到：

• 回答内容碎片化、不连贯
• 模型找不到跨文档的关键信息

那 GraphRAG 值得你尝试。