11.2 Graph RAG 与知识图谱

11.2.1 向量检索的局限

传统向量检索基于语义相似度，在许多场景下效果显著，但存在固有局限：

• 难以捕捉实体间的关系：向量相似度无法表达"A是B的子公司"这类结构化关系

• 跨多个文档的推理能力弱：当答案需要整合多个文档的信息时，单纯的相似性检索力不从心

• 无法处理复杂的关联查询：如"找出所有投资了AI公司的PE基金合伙人"这类多跳查询

11.2.2 Graph RAG 的概念

Graph RAG 将知识图谱与 RAG 结合，通过实体和关系增强检索能力。知识图谱以（实体，关系，实体）三元组的形式存储结构化知识，可以表达复杂的关联关系。

通过图结构，可以轻松回答诸如"公司A的CEO毕业于哪个城市的学校"这类需要多跳推理的问题。

11.2.3 Graph RAG 的工作流程

Graph RAG 的典型流程包含四个阶段：

1. 实体识别：从用户查询中提取关键实体

2. 图检索：在知识图谱中查找相关节点和边

3. 上下文构建：将图结构转换为文本上下文

4. 生成回答：基于增强上下文生成答案

11.2.4 相较于向量检索的优势

场景	向量检索	Graph RAG
实体关系查询	弱	强
多跳推理	困难	自然支持
结构化查询	不支持	支持
可解释性	低	高
全局理解	局部相似	全局视角

11.2.5 实现方式

构建知识图谱

从非结构化文档中提取实体和关系是构建知识图谱的关键步骤：

实体提取

使用 NER（命名实体识别）或 LLM 提取实体：

文档: "张三是A公司的CEO，A公司总部位于北京，2024年收入达10亿元..."

提取的实体:
- 人物: 张三
- 组织: A公司
- 地点: 北京
- 金额: 10亿元
- 时间: 2024年

关系抽取

识别实体之间的关系：

提取的关系:
(张三, 职位, A公司CEO)
(A公司, 总部, 北京)
(A公司, 收入_2024, 10亿元)

图谱构建流程

实践中可以使用 LLM 进行实体和关系的提取：

prompt = """
从以下文本中提取实体和关系，输出JSON格式：
文本：{text}

输出格式：
{
  "entities": [{"name": "实体名", "type": "类型"}],
  "relations": [{"head": "头实体", "relation": "关系", "tail": "尾实体"}]
}
"""

图检索策略

局部子图提取

以查询相关实体为中心，提取 N 跳范围内的子图：

def extract_subgraph(graph, seed_entities, max_hops=2):
    visited = set()
    subgraph = []
    
    for entity in seed_entities:
        bfs(graph, entity, max_hops, visited, subgraph)
    
    return subgraph

路径查询

查找两个实体之间的关系路径，适用于关联分析：

MATCH path = (a:Entity {name: "张三"})-[*1..3]-(b:Entity {name: "北京"})
RETURN path

社区检测

识别高度关联的实体簇，整体提取相关社区：

• 适用于主题聚类

• 可以提供全局视角的摘要

将图结构转换为上下文

检索到的子图需要转换为 LLM 可理解的文本：

def graph_to_text(subgraph):
    lines = []
    for triple in subgraph:
        head, relation, tail = triple
        lines.append(f"- {head} {relation} {tail}")
    return "\n".join(lines)

# 输出示例：
# - 张三 担任 A公司CEO
# - A公司 总部位于 北京
# - A公司 收购 B公司

11.2.6 与向量检索结合

实践中，混合使用 Graph RAG 和向量检索效果更好：

融合策略：

• 互补增强：向量检索提供详细描述，图检索提供关系结构

• 相互验证：两种方式的结果相互印证

• 按需切换：根据查询类型选择主要方法

11.2.7 工具与框架

工具	特点	适用场景
Neo4j + LangChain	成熟的图数据库，丰富的生态	企业级部署
Microsoft GraphRAG	自动图谱构建，社区摘要	大规模文档集
LlamaIndex	支持多种图索引模式	灵活定制
Amazon Neptune	云原生图数据库	AWS 生态

11.2.8 Microsoft GraphRAG 特点

微软开源的 GraphRAG 框架提供了一套完整方案：

1. 自动建图：使用 LLM 从文档中自动提取实体和关系

2. 社区检测：识别实体社区，生成社区级摘要

3. 分层索引：支持局部查询和全局查询

4. 全局摘要：可以回答需要全文档理解的问题

11.2.9 实践建议

1. 评估适用性：知识密集、关系复杂的场景最受益；简单问答可能不需要

2. 渐进式实施：先从核心实体开始构建图谱，逐步扩展

3. 维护图质量：定期更新和清理过时的实体和关系

4. 结合向量检索：发挥各自优势，而非完全替代

5. 关注构建成本：图谱构建需要额外的 LLM 调用，需权衡成本