跳轉到

重點摘要：GraphRAG：打造更好的 AI 系統（完整教學）

TL;DR

GraphRAG 用知識圖譜跨文件推理，解決標準 RAG 在規模化與全局性問題上的盲點。

核心問題

標準向量 RAG 把文件切成獨立 chunk，每塊彼此孤立，無法跨文件綜合或回答「整個資料集的主題是什麼」這類全局問題。且資料量越大，檢索準確度越掉。本文透過 AI 著作權爭議這個分散、複雜的主題，示範如何建構 GraphRAG。

關鍵發現 / 數據

  • 一項研究指出向量檢索準確度在約 10,000 頁 開始衰退，到 100,000 頁時準確度下降 12%。
  • 資料量增加會使 embedding 空間重疊變多，更難檢索到正確 chunk。
  • 實作以 SerpAPI 抓取 Google News，過濾付費牆/反爬後僅成功取得 13 篇文章。
  • 定義了 7 種實體類型、8 種關係類型（ORGANIZATION、LEGAL_CASE、DEFENDANT_IN 等）。
  • 採 Microsoft GraphRAG 法：社群偵測（hierarchical Leiden）+ 社群摘要，查詢時針對摘要而非原始圖譜。

方法亮點

  • 自訂 GraphRAGExtractor：相較內建 SchemaLLMPathExtractor 會丟棄描述，此版為每個實體/關係保留 description，使社群摘要更豐富。
  • Ontology 約束 + Pydantic Literal 型別：以 function calling 強制 LLM 只能回傳合法型別，避免實體類型氾濫不一致。
  • 雙模型分工：gpt-4o-mini 做抽取/摘要（便宜快），gpt-4o 做最終合成（品質優先）。
  • 兩段式查詢：先讓每個社群摘要各自獨立作答並過濾不相關者，再聚合成單一答案。

對我的研究有用嗎？

ontology 先行 + 結構化輸出（Literal 型別約束）對 KG 抽取一致性是實用的工程經驗，值得借鏡。「保留 entity/relationship 描述以增強社群摘要」這點對提升 GraphRAG 答案品質有啟發。社群偵測 + map-reduce 式查詢正是 Microsoft GraphRAG 的核心，可作為實作對照範本。

評語

適合入門的工程教學，pipeline 完整清晰；但偏 how-to、缺對照實驗，13 篇資料規模小、無量化評估，所引「12%」數據來自廠商部落格需審慎看待。