| 失效链接处理 |
|
为什么 GraphRAG 为什么突然火了？
相关截图：
 主要内容：
先说结论：它解决了 RAG 的“只见树木”问题
过去一段时间，很多团队都给大模型接上了自己的资料库。常见做法是 RAG：用户提问后，系统先找出几段相似文字，再让大模型根据这些文字回答。
这套方法简单、实用，但有一个明显短板：它擅长找“像答案的段落”，却不一定擅长找“答案之间的关系”。
比如你问：“A 公司最近一次产品延期，和上季度的人事调整有没有关系？”答案可能分散在项目周报、组织架构、会议纪要和人员变动记录里。传统 RAG 可能找到了“产品延期”，却漏掉“负责人调岗”和“供应商更换”。GraphRAG 的思路，则是先把公司、人员、项目、事件等对象连成一张图，再沿着关系寻找证据。
GraphRAG 到底是什么
GraphRAG 可以理解为 知识图谱与 RAG 的组合。
普通 RAG 主要把资料切成一段一段，用向量表示它们的语义；GraphRAG 还会从资料里找出实体和关系，例如：
张三 —— 负责 —— 推荐系统项目
推荐系统项目 —— 属于 —— 科技公司 A
张三 —— 毕业于 —— 清华大学
当用户提问时，系统不只比较“哪段文字更像问题”，还会查看“哪些对象与问题有关、它们通过什么关系连接”。因此，它对多跳问题、全局总结和关系追踪更有优势。
不过，GraphRAG 不是某一种固定产品。它更像一类技术路线：只要系统把图结构用于检索增强生成，都可以放进这个范围。2024 年微软研究院公开 GraphRAG 项目后，这个名字得到更广泛的关注，但背后的知识图谱思路并不是突然出现的。
|
联系锋哥QQ：3320160706
苏公网安备 32061202001004号
