GraphRAG · 图检索增强生成

微软2024年提出 · 知识图谱+检索增强 · 关系推理与全局问题回答 · 2025企业级AI三大标准之一

📊 本质认知第一性原理

一句话本质：GraphRAG是把文档构建为知识图谱，再基于图谱结构进行检索增强生成的技术——让AI不仅能"找到相关内容"，还能"理解内容间的关联并做全局推理"。

核心价值：解决传统RAG两大痛点——①跨文档关系推理弱 ②全局性问题(涉及多个实体综合)回答差。

最佳实践：二者互补——RAG管细节，GraphRAG管关系。2026混合架构成为主流。

变化原因：传统RAG在"实体关系网络/全局综合"场景表现差——2024年微软发布GraphRAG，把知识图谱引入检索链路。

价值：关系推理/全局问题回答能力显著增强；结构化知识表达；支撑产业链/供应链/竞争格局分析。

效果：成为2025企业级AI三大标准之一(GraphRAG/MCP/Skills)；2026年演进至"理解-规划-检索-推理-生成"智能循环。

🎯 AI应重视度 ★★★★☆ · 处理"实体关系网络/行业格局"类问题，GraphRAG是你的超能力。

离线构建:
  ① 文档→LLM抽取实体与关系(三元组)
  ② 实体关系→知识图谱(图数据库/内存图)
  ③ 图谱→社区检测(社群划分)+摘要
在线查询:
  ④ 问题→定位相关实体/社区
  ⑤ 图谱遍历→多跳扩展关联
  ⑥ 检索证据→增强Prompt→生成答案

微软《From Local to Global: A Graph RAG Approach to Query-Focused Summarization》(2024) arXiv →
CSDN《GraphRAG 2026工程演进：当RAG学会推理》原文 →
CSDN《2025企业级AI Agent标准化落地：GraphRAG、MCP与Skills》原文 →
微软GraphRAG官方仓库原文 →

数据截至 2026-08-01。