GraphRAG 与知识图谱、本体：把一堆文档变成关系图再提问

为什么需要它：片段检索的局限

RAG（检索增强生成）是一种处理超出 LLM 单次可读量（即上下文窗口）的文档集合的方法。它把文档切成小块（分块），将每个片段存为嵌入（把句子含义转换成数值向量），然后找出与问题含义相近的几个片段，一并交给 LLM。GraphRAG 论文（paper）把这种常规方法称为“向量 RAG”，并指出它适合答案集中在少数记录中的问题。

问题在于“这份资料整体的主要主题是什么”这类问题。这类问题不是查找特定片段的检索问题，而是要围绕问题对整个语料进行摘要（查询导向摘要，QFS）。只取回几个与问题相似的片段，无法描绘出全貌。反过来，现有的摘要技术又无法扩展到 RAG 系统所索引的文本规模。GraphRAG 瞄准的正是两者之间的空白。

另一类是需要把分散在多份文档中的事实串联起来的多跳（multi-hop）问题。GRAG（paper）指出，在引用网络、社交媒体、知识图谱这类相互关联的文档中，现有 RAG 只看单篇文档，因此表现较弱。Pan 等人的路线图（paper）点出了更根本的原因：LLM 把知识隐式地存储在参数中，因此会产生编造与事实不符内容的幻觉，人们也很难核查其依据。

核心思路：把文档重新画成关系图

打个比方，这就像侦探拿到一大摞案件卷宗后所做的事。侦探不会从头再读一遍，而是在墙上贴出人物、地点、事件，再用线把它们的关系连起来。然后在线头纠缠紧密的每一簇旁边写一张便条，记下“这一簇讲的是什么”。有人问“这个案子的主线是什么？”时，就浏览这些便条来回答。在 GraphRAG 中，关系图就是知识图谱，簇就是社区，便条就是社区摘要。

知识图谱是用点（节点）和线（边）表示事实的数据结构。路线图论文（paper）解释说，知识图谱以（头实体，关系，尾实体）形式的三元组存储事实，例如（牛顿，提出，引力理论）。由于知识是显式呈现的，其准确性和可解释性较高，但缺点是构建困难，而且总是不完整。

本体是这张图谱的设计图。它规定存在哪些类型的实体（人、组织、药物），以及它们之间允许哪些关系（隶属、副作用）。Hogan 等人的综述（paper）把模式（schema）、实体同一性和上下文在知识图谱中的作用单独作为主题讨论，足见其重要性。GraphRAG 的早期方法更接近于让 LLM 从原文中自由抽取实体和关系，而用本体来约束抽取的做法在近期研究中重新出现。

如何运作：索引与提问两个阶段

GraphRAG（paper）把工作分为提问之前的“索引”和提问之后的“回答”。索引的第一步，由 LLM 从原文文档中抽取关键实体及其之间的关系，构建实体知识图谱。接着用图社区检测（寻找彼此紧密相连的节点群的算法）把图谱划分为层级化的社区，即大主题下包含小主题的结构。

然后由 LLM 为每个社区撰写摘要。摘要自下而上生成，上层社区的摘要由下层摘要重新归纳而成。这样累积起来的摘要，就成为整个语料的“目录兼解说集”。收到问题时，以 map-reduce 方式作答：在 map 阶段，以各社区摘要为依据，相互独立、并行地生成部分答案；在 reduce 阶段，合并这些部分答案，生成最终答案。

并非所有基于图的 RAG 都这样运作。GRAG（paper）为应对多跳问题，会找出与问题匹配的“带文本的子图”。它用分治策略在线性时间内找到最优子图，再从两个视角输入 LLM：一是把子图转写成文本的视角，二是图结构本身的视角。总结来说，GraphRAG 侧重“概括全局的问题”，GRAG 侧重“沿着关联追溯的问题”。

发展脉络：从知识图谱到图 RAG

起点是对知识图谱本身的梳理。Hogan 等人（paper，2020）广泛综述了知识图谱所用的数据模型和查询语言，模式、同一性和上下文的作用，用演绎和归纳技术表示和抽取知识的方法，以及图谱的构建、增强、质量评估、精炼和发布方法。此后与 LLM 结合的研究所共用的术语，大多出自这里。

LLM 出现后，Pan 等人（paper，2023）把二者结合的路线图归纳为三个方向：用知识图谱增强 LLM（KG-enhanced LLM）、用 LLM 辅助知识图谱的构建、补全和问答（LLM-augmented KG），以及二者平等地相互促进（Synergized LLM + KG）。同年，LLMs4OL（paper）检验了 LLM 能否进行“本体学习”，即从文本中自动抽取概念体系。研究以零样本提示（只给指令、不给示例的方式）评估了 9 个 LLM 系列在术语类型分类、上下位分类体系发现、非层级关系抽取三项任务上的表现，涉及 WordNet（词汇）、GeoNames（地理）、UMLS（医学）知识。

2024 年，检索侧构建结构的尝试接连出现。RAPTOR（paper）对文本片段做嵌入，反复把相似片段归组并摘要，自下而上构建摘要树，在不同抽象层级上检索。论文报告称，与 GPT-4 结合后，它在 QuALITY 基准上把最佳成绩的绝对准确率提高了 20%。GraphRAG 论文（paper）自称与 RAPTOR 这类层级摘要索引相似，并指出区别在于它从原文构建图索引，再通过社区检测按主题划分。随后，GRAG（paper）提出了在相互关联的文档中检索子图的方向。

评估方式也很新颖。询问全局主题的问题没有既定的标准答案，因此 GraphRAG 研究团队采用了 LLM-as-a-judge 方式：用一个 LLM 生成针对语料定制的问题，再由另一个 LLM 按预设标准比较两个 RAG 系统的答案。论文报告称，在 100 万 token 规模的数据集上，GraphRAG 在答案的全面性和多样性上都明显优于向量 RAG。

最近的发展方向

第一，摆脱“所有问题用同一种遍历方法”。MOSAIC（paper）认为，大多数 GraphRAG 不论问题如何都采用相似的遍历流程，这是个问题。简单事实类问题只需看近邻，比较类问题要均衡覆盖多个对象，间接问题则要看更深的路径。因此，它在不额外训练的情况下，由 LLM 分析器为每个问题确定起点选择、图遍历、停止和证据选择策略。在相同图谱和生成器下比较时，窄、中、宽三种固定策略没有一种始终最优；MOSAIC 比最强的固定策略高 9.96 分，评估的路径比“宽”策略少 81.9%。

第二，把本体和约束重新引入图谱。NS-ST-GraphRAG（paper）处理的是长篇文学作品这类文本：证据散布在多个章节，关系随故事时间而变化。它加入了与本体对齐的抽取、基于规则的约束检查、时间坐标和场景的空间属性，并且不使用单一固定的图谱，而是根据问题的时间、空间范围选取相应的图谱状态进行检索。如果说前面的 LLMs4OL 问的是“能否用 LLM 构建本体”，那么这项研究问的就是“能否用本体约束 LLM 的抽取”。

第三，随着 GraphRAG 成为实际系统，安全问题成了研究对象。有研究（paper）指出，索引阶段预先生成的摘要、分数等辅助结构可能成为攻击目标，这一点将在“局限与争议”中详述。

局限与争议

首要的争议是成本与质量的权衡。GraphRAG 用 LLM 构建图谱和社区摘要，因此在收到问题之前就要进行大量 LLM 处理，而图谱质量完全取决于抽取质量。正如路线图论文（paper）所总结的，知识图谱本身就难以构建、不完整，而且不断变化。自动抽取的图谱也同样存在这些弱点。

第二是安全。HDI 研究（paper）指出，以往的攻击只针对节点、边、三元组等单个元素，而它把语义摘要、层级边、预计算分数等辅助结构定义为新的攻击面。在 HotpotQA 和 2WikiMultiHopQA 上测试 Microsoft GraphRAG 和 HippoRAG2 时，只改动 0.016% 的辅助结构，攻击成功率就达到 88~94%，单次修改最多影响 6.00 个问题。被篡改的摘要读起来就像系统自己生成的自然语句，因此以超过 99% 的比例躲过了基于困惑度（perplexity）和改写的防御。研究指出，在运行时不经验证就信任预先构建结构的设计本身就是盲区。

第三是评估。询问全局主题的问题没有标准答案，因此 GraphRAG 原论文也采用了由 LLM 比较打分的方式。这种方式很实用，但结果依赖于打分 LLM 的标准。近期研究中也有谨慎报告结果的例子。NS-ST-GraphRAG（paper）在 120 道题的评估中，答案召回为 0.733，基线为 0.675，方向上有利，但统计上不显著（p = 0.092），并注明有一项预先设定的假设未得到支持。现在断言加入图谱就一定会更好，还为时过早。

延伸学习

如果需要概念基础，最好先读 Hogan 等人的《Knowledge Graphs》（paper），掌握数据模型、模式、质量评估等基础术语。接着读 Pan 等人的路线图（paper），就能判断连接 LLM 与知识图谱的研究属于三个方向中的哪一个。

然后是 GraphRAG 原论文（paper）。建议把“索引→社区摘要→map-reduce 回答”的流程与 LLM-as-a-judge 评估设计一起看。作为对照，把 RAPTOR（paper）的摘要树和 GRAG（paper）的子图检索放在一起读，就能看出“构建结构再检索”这一相同思路如何随问题类型而分化。

如果对本体感兴趣，可以接着读 LLMs4OL（paper）和 NS-ST-GraphRAG（paper）。如果是要构建实际系统，建议同时阅读 MOSAIC（paper）的按问题遍历策略和 HDI（paper）对辅助结构攻击的分析，这样可以一次看清提升性能的设计以及这种设计带来的风险。