Appearance
RAG知识图谱增强演进：GraphRAG与LightRAG全解析
GraphRAG引入知识图谱，LightRAG在轻量化改良。它们标志着RAG从"找相似文本"到"理解实体关系"的范式跃迁。
一、RAG技术的五代演进
| 代际 | 名称 | 特征 |
|---|---|---|
| 第一代 | Naive RAG | 无状态问答，"Retrieve-Read"框架 |
| 第二代 | Advanced RAG | 检索前优化+检索后精炼 |
| 第三代 | Modular RAG | 乐高式模块组装 |
| 第四代 | GraphRAG/LightRAG | 图结构加持，理解实体关系 |
| 第五代 | Agentic RAG | Agent决策检索，自我反思修正 |
二、传统RAG的三大痛点
痛点一：多跳推理——跨文档的"顺藤摸瓜"做不了
场景举例：问"我们公司有哪些项目依赖了由'曹魏科技'开发的开源组件？"
需要三步推理：
- 找到"曹魏科技"开发了哪些组件
- 找到哪些项目使用了这些组件
- 做交集
问题：传统RAG只看语义相似度，没有任何机制理解"A使用了B，B由C开发"这种链式关系。
痛点二：全局性问题——"只见树木，不见树林"
场景举例：问《三国演义》"这本书主要描写了几大势力之间的哪些核心冲突？"
答案分散在120回里，没有任何一个文本块会直接写"本书主要描写了三大冲突"。
痛点三：语义断裂
| 隐患 | 说明 |
|---|---|
| 语义截断 | 完整论述被拦腰斩断 |
| 关系丢失 | 实体间因果/逻辑关系断裂 |
| 检索噪声 | 语义相近但无关的块被误召回 |
共同根源：传统RAG做的是"找相似文本"，但企业需要的是"理解实体关系"。
三、知识图谱：GraphRAG的地基
核心概念
| 概念 | 说明 | 示例 |
|---|---|---|
| 实体（Entity） | 图中的节点 | 诸葛亮、蜀汉、赤壁 |
| 关系（Relationship） | 连接实体的边 | 诸葛亮--辅佐→刘备 |
| 属性（Property） | 实体的附加信息 | 诸葛亮.字=孔明 |
| 三元组（Triple） | 最小知识单元 | （诸葛亮，辅佐，刘备） |
| 社区（Community） | 关系紧密的节点集合 | 蜀汉集团、曹魏集团 |
为什么以前不把知识图谱用于RAG？
构建成本太高：靠人工标注昂贵，靠传统NLP效果一般。
大模型改变了一切：写一个Prompt，LLM就能从文本里把实体、关系、属性抽出来。让"从文档自动构建知识图谱"从"需要专门团队做半年"降到"写个Pipeline跑几个小时"。
四、GraphRAG完整工作原理
索引阶段：5步把文档变成知识图谱
以《三国演义》为例
| 步骤 | 做什么 |
|---|---|
| 第1步：文档切块 | 按固定token数切块（默认1200 token，100 token重叠） |
| 第2步：实体与关系提取 | LLM从每个文本块抽取实体和关系 |
| 第3步：实体/关系摘要合成 | 同一实体在所有文本块的描述汇总合成 |
| 第4步：社区检测 | Leiden算法划分层次化社区 |
| 第5步：社区摘要生成 | 为每个社区生成摘要报告 |
实体抽取的三种主流做法：
| 方法 | 特点 |
|---|---|
| 纯LLM抽取 | 灵活但成本高 |
| NER模型+LLM校验 | 成本更低 |
| 领域词典+LLM | 精度更高 |
查询阶段：三种模式
| 模式 | 检索方式 | 适用场景 | 延迟 |
|---|---|---|---|
| Local Search | 从一个点扩散到邻居 | 具体实体问题 | 3-5秒 |
| Global Search | Map-Reduce遍历社区 | 全局宏观问题 | 10秒-1分钟 |
| DRIFT Search | 向量搜索+社区+局部 | 混合平衡 | 中等 |
五、GraphRAG的四大落地难点
难点一：索引成本——烧钱一样的Token消耗
| 语料规模 | GraphRAG索引成本 | 传统RAG索引成本 | 索引时间 |
|---|---|---|---|
| 100页（10万token） | ~$5 | 几美分 | 10-30分钟 |
| 1000页（100万token） | ~$50 | 几美分 | 1-3小时 |
| 10000页（1000万token） | ~$500 | 几美分 | 5-15小时 |
原因：每个步骤几乎都在调LLM——实体抽取、摘要合成、社区报告。Token消耗是原文的10-50倍。
难点二：实体消歧
"曹操""孟德""魏武帝"——同一个人，LLM可能抽成三个节点。
业界名言："实体碎片化的知识图谱，比没有知识图谱更糟糕。"
难点三：查询延迟——Global Search的慢性子
| 查询模式 | 延迟 | LLM调用次数 |
|---|---|---|
| 传统RAG | 1-2秒 | 1次 |
| Local Search | 3-5秒 | 几次 |
| Global Search | 10秒-1分钟 | 几百上千次 |
难点四：增量更新——牵一发而动全身
新文档进来可能触发：实体消歧 → 图结构变化 → 社区重划 → 摘要重建 → 向量索引更新。很多团队的实控做法是"定期全量重建"。
六、LightRAG：GraphRAG的高性价比改良版
三个核心创新
创新一：图增强的文本索引
省掉社区检测和社区摘要，保留核心图结构：
| 步骤 | GraphRAG | LightRAG |
|---|---|---|
| 实体抽取 | ✅ | ✅ |
| 关系抽取 | ✅ | ✅ |
| 实体/关系摘要 | ✅ LLM合成 | ✅ 轻量merge |
| 社区检测 | ✅ | ❌ |
| 社区摘要 | ✅ | ❌ |
仅省掉这两步，就省了80%以上的LLM调用量。
创新二：双层检索范式
| 层级 | 关键词类型 | 作用 |
|---|---|---|
| Low-level | 具体实体和术语 | 找"点"，关注细节 |
| High-level | 抽象主题和概念 | 找"线"，关注宏观 |
创新三：增量更新算法
因为没有"社区"层，增量索引流程与传统RAG一样轻——新文档来了，抽实体关系、合并去重、向量化，完事。
查询阶段：四种模式
| 模式 | 检索方式 | 适用场景 |
|---|---|---|
| Naive | 纯向量检索 | 简单事实问答 |
| Local | Low-level检索 | 具体实体问题 |
| Global | High-level检索 | 宏观问题 |
| Hybrid | Low+High同时 | 复杂综合问题，默认推荐 |
成本对比
| 指标 | GraphRAG | LightRAG |
|---|---|---|
| 索引100万token成本 | ~$20-50 | ~$0.15 |
| 单次查询Token消耗 | ~13,000 | ~100-1,000 |
| 单次查询API调用 | 几百次 | 几次 |
| 单次查询延迟 | 10秒-1分钟 | 1-3秒 |
| 增量更新 | 可能触发社区重建 | 几乎零额外成本 |
Token消耗降低99%。
LightRAG的代价
牺牲全局深度洞察。GraphRAG的社区摘要提供层次抽象的全局知识视图，对极复杂的全局归纳问题深度更好。
七、全维度对比
| 维度 | GraphRAG | LightRAG |
|---|---|---|
| 发布时间 | 2024年4月（微软） | 2024年10月（港大） |
| 索引成本 | 高（$20-50/百万token） | 低（$0.15/百万token） |
| 查询延迟 | 慢（10秒-1分钟） | 快（1-3秒） |
| 深度全局洞察 | 强（社区摘要） | 一般（临场组装） |
| 实体消歧精度 | 高（多层策略） | 低（朴素名称匹配） |
| 工程复杂度 | 高 | 低 |
| 增量更新 | 复杂（级联影响） | 简单（追加模式） |
八、选型决策
数据规模与方案匹配
| 语料规模 | 推荐方案 |
|---|---|
| 少于10万token | 传统RAG（没必要上图） |
| 10万-500万token | LightRAG最佳 |
| 500万-5000万token | LightRAG或GraphRAG，看业务侧重 |
| 大于5000万token | GraphRAG更合适 |
混合架构：分而治之
| 数据类型 | 方案 |
|---|---|
| 稳定的历史核心知识（规章、法规） | GraphRAG深度分析 |
| 动态增量数据（工单、新闻） | LightRAG实时响应 |
| 简单FAQ | 传统RAG |
查询时搭Query Router，根据查询类型分流。
九、GraphRAG家族其他成员
| 方案 | 核心思路 | 亮点 |
|---|---|---|
| LazyGraphRAG（微软） | 索引阶段只用轻量NLP，推迟LLM到查询阶段 | 成本只有原版0.1% |
| FastGraphRAG（社区） | NLP替代部分LLM，PageRank聚合全局信息 | 索引时间1/10 |
| HippoRAG（OSU） | 模拟海马体记忆，个性化PageRank | 节点边数量远超其他 |
| KAG（蚂蚁/浙大） | 融合知识图谱与逻辑推理 | 逻辑推理任务有优势 |
总结
| 方案 | 适合场景 |
|---|---|
| 传统RAG | 简单检索、小规模语料 |
| LightRAG | 中等规模、成本敏感、增量频繁 |
| GraphRAG | 大规模、深度洞察、预算充足 |
| 混合架构 | 中大型企业务实选择 |
从"找相似文本"到"理解实体关系"——这是GraphRAG家族的核心价值。
关键词：GraphRAG, LightRAG, 知识图谱, RAG技术, 多跳推理, 实体消歧, 增量更新
