RAG-02索引召回-Graph-RAG

本文属于 RAG 工程框架中的「2 索引与召回」环节，聚焦「Graph RAG」方法。可先阅读 RAG-00.方法概述再进入本篇。

原理

将语料抽取为实体与关系图，查询时先定位子图，再回填原文片段供生成。

flowchart TD
  D[文档] --> IE[实体/关系抽取]
  IE --> KG[知识图谱]
  Q[问题] --> QE[实体链接]
  QE --> SG[子图检。多跳扩展]
  SG --> EV[证据片段回溯]
  EV --> LLM[答案生成+引用]

核心收益

对“谁影响谁、因果链、上下游关系”类问题更强。
能把结构化关系与非结构化文本联合利用。

局限

建图与更新成本高。
抽取质量直接决定上限。
图检索策略复杂。

性能/资源

离线：高（IE 抽取、图存储、去重对齐）。
在线：中到高（子图搜。+ 文本回溯）。

应用场景

法规条款关联、专利关系、供应链风险分析。
需要多跳逻辑解释的知识问答。

统一合成数据示例

输入数据片段

{
  "triples": [
    ["报销政策v2", "规定", "机票上限2000元"],
    ["报销政策v2", "规定", "30天内提交"],
    ["出差员工", "适用", "报销政策v2"]
  ],
  "query": "员工机票报销限制是什么？"
}

中间结果（子图检索）

{
  "seed_entity": "报销政策v2",
  "subgraph_edges": [
    ["报销政策v2", "规定", "机票上限2000元"],
    ["报销政策v2", "规定", "30天内提交"]
  ]
}

最终生成示例（含引用）

{
  "answer": "机票报销上限为 2000 元，并要求 30 天内提交。",
  "citations": [{"doc_id": "D01", "evidence_span": "机票上限 2000 元；30 天内提交"}]
}

原始发表与工程实现

代表性原始发表：GraphRAG (Microsoft Research, 2024)。
核心解决问题：解决多跳关系检索与全局摘要。
成熟实现工具：Neo4j, graphrag, networkx。

详细原理拆解

实体关系图子图检索，argmax relevance(q,subgraph)，优势在多跳推理。
典型实现可拆为：输入预处理 -> 方法核心计算 -> 候选/证据构建 -> 生成与引用。
工程调优重点：质量（准确率/引用率）与成本（时延/token）的联合优化。

flowchart LR
  In[输入 Query 与知识] --> Core[方法核心计算]
  Core --> Rank[匹配/路由/排序]
  Rank --> Build[证据组装]
  Build --> Out[答案与引用]

工程落地扩展示例

伪代码

def graph_rag_answer(query, entity_linker, graph_store, text_index, llm):
    seed = entity_linker.link(query)                    # 对齐到图中实体
    subgraph = graph_store.k_hop(seed, hops=2)          # 多跳扩展
    passages = text_index.fetch_chunks_for_nodes(subgraph.nodes())
    return llm.generate(query, evidence=passages)

参数示例

max_hops: 2
max_edges_per_hop: 30
subgraph_score: relevance_x_trust
text_backoff: true

常见失败案例

失败模式 1：实体链接错（「报销政策」链到旧版节点），子图全偏。
失败模式 2：图抽取噪声边（错误「适用」关系），多跳放大错误。
失败模式 3：子图过大，回填文本超长，仍需截断或与向量检索混合。

Demo 数据带入计算示例

1
2
3

问句需同时用到两条「规定」边：同一实体「报销政策v2」出发，2-hop 内覆盖
「上限2000」与「30天」两个对象；若仅用向量检索单段，可能只命中其一。
子图相关性：subgraph_A（含两规定边）=0.82 > subgraph_B（仅一条）=0.55 → 选 A 再取原文证据。