GraphRAG是一种改进的检索增强生成（RAG）方法，旨在解决传统RAG在处理全局查询时的不足。全局查询通常需要对整个数据集有全面的理解，例如“给我总结一下过去两周的更新”。GraphRAG通过两个主要步骤实现这一目标：索引和查询。首先，索引引擎将文本文档分解为段落，并将这些段落聚类成具有层次结构的社区，每个社区内的实体和关系连接各个段落，形成更高层次的抽象。然后，利用大型语言模型（LLM）生成每个社区的摘要，称为社区报告。这种方法使得GraphRAG能够更好地理解和回答需要整体视角的复杂问题。

本专栏通过快照技术转载，仅保留核心内容

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除