一、什么是 GraphRAG
GraphRAG（Graph - based Retrieval - Augmented Generation）是一种结合了知识图谱和自然语言处理的技术，旨在通过利用知识图谱中的结构化信息来增强文本生成的质量和相关性。
二、工作原理
（一）基于图的索引（Graph - based Indexing）
实体、关系和属性提取 ：利用大语言模型（LLM）从原始文本中提取出实体、关系和属性，构建知识图谱。 子图划分与摘要生成 ：通过社区发现技术对知识图谱进行子图划分，并为这些子图生成摘要。
（二）图引导检索（Graph - guided Retrieval）
当接收到一个查询时，系统不仅会在传统的向量数据库中检索相关文档，还会在知识图谱数据库中检索与查询相关的实体、关系和属性。
（三）图增强生成（Graph - enhanced Generation） 将检索到的知识图谱信息和文本信息整合成提示词（Prompt），再由大语言模型生成答案。
三、优势
- 更好的解释性 ：通过构建知识图谱，将实体和关系结构化地表示出来，使得生成的答案更具解释性。
- 更全面和多样的回答 ：能够提供更全面和多样的回答，不仅回答直接匹配的问题，还能通过图谱中的关系和上下文提供更深入的分析。
- 处理复杂查询 ：在处理复杂信息和查询时表现更优，能够挖掘知识库中的复杂连接和隐性关系。
四、应用场景
- 问答系统 ：用于构建更智能的问答系统，提供更准确和详细的答案。
- 知识图谱构建 ：通过自动化构建知识图谱，帮助组织和管理大量的结构化知识。
- 复杂信息处理 ：适用于需要处理复杂信息和关系的场景，如库存管理、预测等。