GraphRAG
活跃简介
微软开源的基于知识图谱的模块化检索增强生成（RAG）系统，利用大语言模型从文本中提取结构化知识图谱，支持全局和局部社区摘要查询。
核心特性
- 知识图谱构建 — 使用 LLM 从非结构化文本中自动提取实体和关系，构建结构化知识图谱
- 社区检测与摘要 — 基于 Leiden 算法对知识图谱进行社区检测，并生成层级摘要
- 全局查询 — 通过社区摘要回答需要跨文档推理的全局性问题
- 局部查询 — 基于图结构检索相关实体和关系，回答特定实体相关的问题
- 可调优 Prompt — 提供 Prompt Tuning 指南，允许针对特定数据集优化提取和查询效果
- 模块化管道 — 数据索引、社区检测、查询引擎分离，可独立扩展和定制
适用场景
💡 私有文档深度问答 — 对企业内部合同、报告、邮件等进行全局性知识推理
💡 研究报告分析 — 从大量学术论文中提取关系网络，回答跨文献的研究趋势问题
💡 法律合规审查 — 从法规文本中构建知识图谱，支持合规性交叉查询
💡 医疗文献挖掘 — 从临床研究中提取疾病-药物-基因关系，辅助药物研发
💡 竞品情报分析 — 从新闻、报告中提取公司关系网络，发现市场趋势
分类
快速开始
pip install graphrag
graphrag init --root ./my-project
graphrag index --root ./my-project
graphrag query --root ./my-project --method global --query "What are the main themes?"