实战GraphRAG（一）：初步体验GraphRAG及其与RAG的对比
🌟实战GraphRAG（一）：初步体验GraphRAG及其与RAG的对比
文章目录
- 🌟实战GraphRAG（一）：初步体验GraphRAG及其与RAG的对比
- 📖引言
- 🔍一、GraphRAG与RAG的区别
- 🚀二、GraphRAG使用示例
- 1.安装GraphRAG
- 2.运行索引器
- 3.配置
- 4.自动优化提示词
- 5.运行索引管道
- 6.使用查询引擎
- 7.结果对比
- 1.这个故事的主要主题是什么？
- GraphRAG 全局搜索结果
- GraphRAG 本地搜索结果
- 基线RAG 结果
- 2. 主要人物是谁，他们的主要关系是什么？
- GraphRAG 全局搜索结果
- GraphRAG 本地搜索结果
- 基线RAG 结果
- 📝总结
📖引言
doc 地址 GraphRAG文档
GraphRAG 是一种结构化、分层的检索增强生成（RAG）方法，不同于使用纯文本片段的简单语义搜索方法。GraphRAG 过程包括从原始文本中提取知识图谱，建立社区层次结构，为这些社区生成摘要，然后在执行基于RAG的任务时利用这些结构。本文将介绍GraphRAG的基本概念，与RAG的区别，并通过实战测试展示两者的差异。
GraphRAG的核心功能包括：
- 知识图谱构建：提取实体和关系，构建知识图谱。
- 全局搜索：基于社区摘要的广泛检索。
- 本地搜索：基于用户实体的详细检索。
GraphRAG的技术要点：
- Leiden技术：用于社区检测的高效算法。
- Map-Reduce处理：将社区报告分割成文本块