正文
GraphRAG是用来复杂问题查询，多跳查询的技术。https://github.com/microsoft/graphrag
https://i-study-everyday.online/archives/2025/09/graphrag-querying-overview.html
GraphRAG通过原始文档构建一个知识图谱，并针对密切相关的节点构建不同的社区、生成社区摘要，当面对用户提问时，每个社区摘要都被用于生成初步答案，最后总结所有社区的初步答案，生成最终答案。
关键概念
社区
社区报告
社区报告是在 GraphRAG 的索引阶段（Indexing Stage）预先计算和生成的，而不是在用户提问时实时生成的。 在将原始数据（文档）转化为知识图谱后，用户进行任何查询之前。这是系统准备知识库的关键步骤。
社区报告生成方式：LLM 的 Map-Reduce 提炼
社区报告的生成过程是一个结构化、由 LLM 驱动的提炼过程，核心步骤如下：
- 社区识别（Community Detection）：
- 首先，使用图算法（如 Leiden 算法或 Louvain 算法）对已构建的知识图谱进行分析。
- 算法根据实体（节点）之间关系的紧密程度，将图谱划分为不同的社区（即主题集群）。
- 上下文收集（Context Collection）：
- 针对每一个识别出的社区，系统会收集所有与该社区相关的原始数据：
- 该社区内的所有实体（节点）和它们的描述。
- 该社区内的所有关系（边）和它们的描述。
- 与这些实体和关系关联的原始文本片段（Text Chunks）。
- 针对每一个识别出的社区，系统会收集所有与该社区相关的原始数据：
- LLM 提炼（LLM Summarization）：
- 将收集到的所有零碎信息（可能非常庞大）打包成一个或多个结构化的提示（Prompt），发送给一个大型语言模型（LLM）。
- LLM 被要求扮演“分析师”的角色，根据提供的所有信息，生成一份连贯、全面的自然语言报告，总结该社区的核心主题、主要见解和跨文档关系。
- 结果： 这份生成的文本就是社区报告。
查询方法
基础查询
本地查询
这个过程的详细步骤如下：
- 实体识别阶段：对用户查询进行向量化，在实体描述向量数据库中进行相似性搜索，获取语义相关的候选实体集合（Top-K）；
- 上下文扩展阶段：
- 文本单元扩展：根据实体和文本单元映射关系，找到包含这些实体的原始文本片段（chunk）；
- 社区报告扩展：根据实体和社区映射关系，获取相关的社区摘要报告（获取实体所在社区的摘要，这个摘要是在构建图谱时生成的。生成过程是调用LLM对该社区内全部实体、关系进行抽象总结。）；
- 实体关系扩展：使用实体名称和描述等信息构建实体上下文，然后再依次查找与实体相连的关系构建关系上下文（找到与选定实体相连的实体，获取“实体-关系-实体”。）；
- 协变量扩展：如果配置了协变量提取，还会包含相关的声明信息（对某实体、关系的额外描述信息）；
- 排序过滤阶段：
- 排序：对每类候选数据进行重要性排序，比如对于文本单元来说，关系数量更多优先级更高，对于社区来说，包含的选中实体数量更多的优先级更高（调用LLM进行打分，0-100，过滤0分的）；
- 过滤：根据 token 预算进行过滤，确保上下文适合大语言模型的输入窗口（在保证不超过token 预算时，按顺序填入）；
- 答案生成阶段：将过滤后的多源信息整合成结构化上下文，调用大模型生成最终答案；
本地搜索的过程就像是一次从图谱中的特定节点出发，向外探索和收集信息的侦察任务，它的关键优势在于 多源信息融合 能力：通过文本单元保留原始文档的详细信息，通过知识图谱揭示实体间的复杂关系，通过社区报告提供结构化的主题总结。它特别适合需要理解特定实体及其关系的问题，