💡 GraphRAG解读：让LLM学会结构化思考
本篇文章只是对 GraphRAG 框架进行简单解读，标题有一点夸张。其实，RAG 加上 Graph 结构化知识图谱是否是革命性创新还有待商榷。文章中很多内容是摘抄的，原文链接在底部提供🔗。
什么是 GraphRAG？
GraphRAG（Graph-based Retrieval-Augmented Generation）是微软于 2024 年推出的一种新型检索增强生成框架。该框架旨在利用大型语言模型（LLMs）从非结构化文本中提取结构化数据，构建具有标签的知识图谱，以支持数据集问题生成、摘要问答等多种应用场景。
GraphRAG 的一大特色是利用图机器学习算法对数据集进行语义聚合和层次化分析，因此可以回答一些相对高层级的抽象或总结性问题，这一点恰好弥补了常规 RAG 系统的短板。
官网：GraphRAG 官方页面
论文原文：GraphRAG: Unlocking LLM discovery on narrative private data
RAG 与 GraphRAG
两种呈现知识的形式：向量和图谱
典型 RAG 的核心是向量搜索，即根据输入的文本块，从候选的书面材料中找到并返回概念相似的文本。这种自动化方法在基本搜索场景中非常有效。
