什么是GraphRAG？与传统RAG有何区别？

GraphRAG由微软提出，将知识图谱(KG)与RAG结合，不依赖简单向量相似度检索，而是基于实体关系图做结构化检索

核心流程：

1. 文档 -> LLM提取实体和关系（Person、Organization、Event等）

2. 构建知识图谱（实体=节点，关系=边）

3. 社区检测（Leiden算法）：将图划分为语义社区

4. 每个社区生成摘要（LLM）

5. Query -> 匹配社区摘要 -> Map-Reduce生成最终回答（局部社区合成全局答案）

与传统RAG的区别： 维度传统RAGGraphRAG 检索方式向量相似度图遍历+社区匹配 上下文形式文本块结构化子图+社区摘要 全局理解弱（只看Top-K）强（理解实体间宏观关系） 复杂度低高（需KG构建和维护） 成本低高（索引构建需大量LLM调用） 适用场景：需要理解全局关系的大型语料（法律案例网、研究论文库等）