GraphRAG 技术全景：知识图谱增强检索生成的架构、实现与生产实践

问题："德国的能源政策如何影响了法国的核能决策？"

传统 RAG 的检索路径：
├── Chunk A: "德国于 2023 年关闭了所有核电站..."
├── Chunk B: "法国于 2024 年宣布重启核能计划..."
└── ❌ 没有任何一个 Chunk 显式建立 A → B 的因果关系

GraphRAG 的图结构：
├── Entity: 德国 → 关系: "关闭" → Entity: 核电站
├── Entity: 德国 → 关系: "影响" → Entity: 法国
├── Entity: 法国 → 关系: "重启" → Entity: 核能计划
└── ✅ 图结构天然捕捉了实体间的因果链条

┌──────────────────────────────────────────────────────────────────────┐
│                    GraphRAG 索引构建流水线                             │
│                                                                      │
│  ┌──────────┐    ┌──────────────┐    ┌────────────┐    ┌──────────┐ │
│  │ 文本切分  │ →  │ 实体/关系抽取  │ →  │ 社区检测   │ →  │ 社区摘要  │ │
│  │ TextUnit │    │ LLM Extraction│    │ Leiden算法  │    │ Summary  │ │
│  └──────────┘    └──────────────┘    └────────────┘    └──────────┘ │
│                                                                      │
│  输入：原始文档集         输出：层次化知识图谱 + 社区摘要索引            │
└──────────────────────────────────────────────────────────────────────┘

Microsoft Research ──created──▶ GraphRAG
GraphRAG ──uses──▶ 知识图谱
知识图谱 ──stored_in──▶ Neo4j

import networkx as nx
from graspologic.partition import hierarchical_leiden

G = nx.Graph()
for entity in entities:
    G.add_node(entity.name, type=entity.type, description=entity.description)

for relation in relations:
    G.add_edge(
        relation.source, relation.target,
        type=relation.type, weight=relation.confidence
    )

communities = hierarchical_leiden(G, max_cluster_size=10, random_seed=42)

传统 GraphRAG：     索引时一次性构建所有社区摘要（$20-500）
LazyGraphRAG：      索引时仅构建图结构（$0.02-0.5），查询时动态生成所需摘要

┌──────────────────────────────────────────────────────────────────────┐
│                    混合检索架构（Hybrid Graph RAG）                    │
│                                                                      │
│  用户查询                                                            │
│      │                                                               │
│      ▼                                                               │
│  ┌──────────┐                                                        │
│  │ 查询路由  │ ← 分析查询复杂度，选择检索策略                           │
│  │  Router  │                                                        │
│  └────┬─────┘                                                        │
│       │                                                              │
│  ┌────┴─────────────────┐                                            │
│  │                      │                                            │
│  ▼                      ▼                                            │
│  向量检索              图检索                                         │
│  (BM25 + Dense)       (Graph Traversal)                             │
│  │                      │                                            │
│  └────────┬─────────────┘                                            │
│           ▼                                                          │
│    ┌──────────────┐                                                  │
│    │ Reranker     │ ← Cross-Encoder 重排序                           │
│    └──────┬───────┘                                                  │
│           ▼                                                          │
│    ┌──────────────┐                                                  │
│    │ LLM 生成     │ ← 基于融合后的上下文生成回答                       │
│    └──────────────┘                                                  │
└──────────────────────────────────────────────────────────────────────┘

from langchain_community.graphs import Neo4jGraph
from langchain_community.vectorstores import Neo4jVector
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain.chains import GraphCypherQAChain

graph = Neo4jGraph(
    url="bolt://localhost:7687",
    username="neo4j",
    password="password"
)

vector_index = Neo4jVector.from_existing_graph(
    OpenAIEmbeddings(),
    graph=graph,
    index_name="entity_embeddings",
    node_label="Entity",
    text_node_properties=["name", "description"],
    embedding_node_property="embedding"
)

cypher_chain = GraphCypherQAChain.from_llm(
    llm=ChatOpenAI(model="gpt-4o"),
    graph=graph,
    verbose=True,
    allow_dangerous_requests=True
)

def hybrid_retrieve(query: str):
    graph_result = cypher_chain.invoke({"query": query})
    vector_results = vector_index.similarity_search(query, k=5)
    return graph_result, vector_results

RAG 演进时间线：

2020 ─── RAG (Lewis et al.)
           向量检索 + LLM 生成
           │
2022-23 ── Pipeline RAG → Advanced RAG
           HyDE, Self-RAG, 重排序
           │
2024 ───── GraphRAG (Microsoft Research)
           知识图谱 + 社区检测 + 层次摘要
           │
2025 ───── LazyGraphRAG, HippoRAG 2, LightRAG
           成本优化, 轻量化, 高效检索
           │
2026 ───── Agentic Graph RAG
           自主 Agent 驱动图谱构建与检索路由

class AgenticGraphRAGRouter:
    def route(self, query, risk_signals):
        if risk_signals["entity_density"] > 5:
            return "graph_traversal"
        if risk_signals["requires_global_context"]:
            return "global_search"
        if risk_signals["is_simple_fact"]:
            return "vector_search"
        if risk_signals["multi_hop_detected"]:
            return "drift_search"
        return self.learned_routing_model.predict(query)

场景 → 推荐方案：

简单文档 QA（单跳事实查询）
  → 传统向量 RAG（BM25 + Dense + Reranker）
  → 工具：LangChain + Pinecone/Weaviate

多跳推理问答
  → HippoRAG 2 或 LightRAG
  → 工具：Neo4j + FAISS

大规模语料库全局分析
  → MS GraphRAG（Global Search）
  → 工具：Microsoft GraphRAG + GPT-4o

预算敏感的图检索
  → LazyGraphRAG 或 LightRAG
  → 工具：NetworkX + 自定义图存储

企业级混合检索
  → 混合架构（向量 + 图 + 查询路由）
  → 工具：Neo4j + pgvector + LangGraph

Schema 密集的企业查询（KPI/指标定义）
  → FalkorDB GraphRAG SDK
  → 工具：FalkorDB + Cross-Encoder Reranker