37-Graph-RAG与知识图谱
为什么需要 Graph RAG？
传统 RAG 基于非结构化文本的嵌入检索，存在一些不足：
- 语义偏差："保温大棚"和"保温杯"在 embedding 空间中语义相似度很高，但实际上完全不相关，会引入错误上下文导致幻觉；
- 长程关联丢失：向量检索只能找到和查询直接相关的片段，无法利用实体之间的间接关联；
- 信息密度低：知识分散在多个段落中，难以整合出完整的结构化知识。
知识图谱能够把实体和关系结构化，Graph RAG 利用知识图谱来增强检索，可以缓解这些问题。
Graph RAG 原理
Graph RAG（Graph Retrieval-Augmented Generation）是一种基于知识图谱的检索增强技术，通过构建图模型对知识进行表达，将实体和关系之间的联系用图的形式进行展示，然后利用大语言模型基于检索到的子图完成生成。
核心思想：
- 将知识图谱等价于一个超大规模词汇表，实体和关系对应图中的节点和边；
- 检索时将实体和关系作为单元进行联合建模；
- 从知识图谱中检索出和查询相关的子图作为上下文，送入大模型生成回答。
Graph RAG 基本流程
1def simple_graph_rag(query_str, nebulagraph_store, llm):
2 # 1. 从问题中提取关键实体
3 entities = _get_key_entities(query_str, llm)
4 entities = _expand_synonyms(entities)
5
6 # 2. 根据实体检索相关子图
7 graph_rag_context = _retrieve_subgraph_context(entities, depth=2)
8
9 # 3. 利用子图上下文 + LLM 合成答案
10 return _synthesize_answer(query_str, graph_rag_context, llm)
步骤详解
- 实体抽取：使用 LLM 从用户查询中提取关键实体；
- 子图检索：以提取的实体为种子，在知识图谱中进行多跳搜索，获得相关子图；
- 答案合成：将子图转换为文本上下文，和用户查询一起输入 LLM 生成答案；
- 融合：知识图谱召回可以和传统向量召回融合，综合两者优势。
知识图谱构建
知识图谱构建需要完成以下关键步骤：
1. 实体抽取
从原始文本中识别出命名实体（人名、地名、组织、概念等），可以使用：
- 预训练 NER 模型；
- 大语言模型 prompting 抽取；
- 结合规则方法。
2. 关系抽取
识别实体对之间的语义关系，例如：(Apple, 创始人, Steve Jobs)。常见方法：
- 流水线方法：先抽实体，再抽关系；
- 联合抽取：端到端模型同时抽取实体和关系；
- 大模型 prompting：适合开放领域关系抽取。
3. 知识融合
- 实体对齐：解决同名实体歧义问题，将同一个实体的不同指称合并；
- 实体链接：将文本中的指称链接到知识图谱中正确的实体；
- 去重：合并相同实体和关系。
4. 存储与查询
知识图谱常用存储：
- Neo4j：原生图数据库，支持 Cypher 查询；
- NebulaGraph：分布式高性能图数据库；
- 基于 Apache Jena / Virtuoso 的 RDF 存储。
Graph RAG vs 传统 RAG
| 维度 | 传统 RAG | Graph RAG |
|---|
| 知识表示 | 文本块 embedding | 实体-关系图 |
| 优势 | 构建简单，不需要知识工程，能处理非结构化文本 | 能捕捉实体间关联，减少歧义，回答多跳问题更好 |
| 劣势 | 难以处理多跳推理，容易引入语义歧义 | 构建知识图谱有成本，实体/关系抽取有误差 |
| 适用场景 | 通用文档问答，个人知识库 | 需要推理、关联分析的领域知识问答 |
Graph RAG 排序优化
当知识图谱规模较大时，子图检索可能返回很多不相关的路径，需要排序优化：
粗排阶段
使用人工特征对候选路径排序，保留 Top-N：
- 字符重合数、词重合数；
- 编辑距离；
- 跳数、路径长度；
- Jaccard 相似度；
- 实体和查询的覆盖度；
- 路径中包含答案的个数。
精排阶段
使用预训练语言模型计算查询和路径的语义匹配度，选择得分最高的 Top 2-3 路径作为最终上下文。
知识图谱增强 RAG 的典型架构
典型 RAG + KG 架构使用双路检索：
优点：
- 向量检索负责找到相关文本片段；
- 知识图谱负责提供结构化实体关系；
- 两者互补，效果优于单一方法。
面试常见问题
1. 什么是 Graph RAG？它解决了传统 RAG 的什么问题？
回答要点：
- 基于知识图谱的检索增强生成；
- 解决传统 RAG：语义歧义、长程关联丢失、信息密度低；
- 通过实体关系图提供结构化知识，提高回答准确性。
2. Graph RAG 的基本流程是什么？
回答要点：
- 从查询中抽取关键实体；
- 在知识图谱中检索相关子图（多跳）；
- 将子图转换为上下文；
- 和向量检索结果融合，输入大模型生成回答。
3. 知识图谱如何构建？
回答要点：
- 实体抽取 → 关系抽取 → 知识融合 → 存储；
- 可以用 NER 模型或大模型抽取；
- 需要处理实体对齐和消歧。
4. Graph RAG 一定比普通 RAG 好吗？为什么？
回答要点：
- 不一定；
- Graph RAG 需要先构建知识图谱，有额外的构建成本；
- 对于简单文档问答，普通 RAG 足够，成本更低；
- Graph RAG 在需要多跳推理、实体关联的场景更有优势。