微软开源的 GraphRAG 项目，这是一种基于知识图谱的检索增强生成方法。文章详细阐述了 GraphRAG 的核心原理，即通过 LLM 从非结构化文本中提取实体和关系构建图谱。内容涵盖环境搭建、项目初始化、配置文件详解、索引构建流程以及常见问题的解决方案。通过《红楼梦》案例演示了局部检索和全局检索的具体用法，对比了其与纯文本检索的差异。最后总结了 GraphRAG 的技术优势、局限性及适用场景，为开发者构建高质量知识图谱增强型 AI 应用提供了完整的技术指南。
在构建大模型（LLM）知识库检索增强生成（RAG）智能体时，传统的纯文本切片方法往往难以处理复杂的关系推理。微软开源的 GraphRAG 项目提供了一种新的思路：通过 LLM 提取实体和关系，构建知识图谱，再基于图谱结构进行检索。本文将详细介绍如何部署 GraphRAG，并以《红楼梦》为例展示其效果。
注意：GraphRAG 对 Token 消耗较大，且索引构建耗时较长，请确保有足够的计算资源。
GraphRAG 是一种结构化、分层的检索增强生成方法。与使用纯文本片段的朴素语义搜索不同，GraphRAG 的处理流程包括从原始文本中提取知识图、构建社区层次结构、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。
简单来说，GraphRAG 是一个数据转换套件，旨在利用 LLM 从非结构化文本中提取有价值的结构化数据，进而构建成知识图谱。
图谱的核心概念包括：
首先，确保已安装 Python 3.9+。建议在虚拟环境中操作。
python -m venv graphrag_env
source graphrag_env/bin/activate # Windows: graphrag_env\Scripts\activate
pip install graphrag
创建项目文件夹并初始化：
mkdir graphrag_project
cd graphrag_project
python -m graphrag.index --init --root .
初始化成功后，目录结构如下：
graphrag_project/
├── .env # 环境变量配置
├── input # 存放知识库数据
├── prompts # 提示词模板
│ ├── claim_extraction.txt
│ ├── community_report.txt
│ ├── entity_extraction.txt
│ └── summarize_descriptions.txt
└── settings.yaml # 核心配置文件
主要需要修改两个文件：
.env：填入大模型的 API Key。
OPENAI_API_KEY=your_api_key_here
settings.yaml：配置 LLM 和 Embedding 相关信息。
llm:
api_type: "openai"
model: "gpt-4-turbo" # 或兼容 OpenAI 格式的模型
temperature: 0
max_tokens: 256
request_timeout: 180.0
embedding:
api_type: "openai"
model: "text-embedding-3-small"
deployment_name: null
base_url: null
api_key: ${env:OPENAI_API_KEY}
graphml: true。将知识库数据放入 input 文件夹（支持 .txt, .md, .csv 等格式），然后运行索引构建命令：
python -m graphrag.index --root .
系统会自动执行以下步骤：
对于大型文档（如《红楼梦》73 万字），此过程可能需要数小时。建议先使用小样本测试流程。
问题 1：缺少模块报错
如果遇到 ModuleNotFoundError: No module named 'past'，通常是因为依赖缺失。
pip install future
问题 2：Embedding 限速 免费版 Embedding 接口可能限速严重。如果任务失败，可尝试以下方案：
batch_size 为 1。问题 3：中途中断续跑
如果因上游 LLM 速率限制报错，可在环境变量中设置 timestamp 或直接重新运行命令，GraphRAG 支持断点续传机制。
构建完成后，结果保存在 artifacts/ 目录下，主要为 .parquet 文件。
为了在编辑器中查看 .parquet 文件，可以安装 VS Code 插件 parquet-viewer，将其转换为 JSON 格式浏览。
生成的节点和边数据包含实体描述、关系类型及置信度。由于默认提示词多为英文，生成的描述可能为英文，可根据需求调整 prompts 文件夹中的提示词模板。
若需使用专业图谱工具（如 Gephi）分析，请在 settings.yaml 中开启 graphml: true，构建完成后会生成 .graphml 文件。
GraphRAG 提供了两种主要的检索模式：
查询：红楼梦的主题是什么？
python -m graphrag.query --root . --method global "红楼梦的主题是什么？"
输出示例： 系统会返回多个维度的分析，例如家族衰败、人性探讨、社会批判、爱情与婚姻、哲学思考等，并附带数据来源的报告 ID。
查询：刘姥姥进大观园时带了谁？
python -m graphrag.query --root . --method local "刘姥姥进大观园时带了谁？"
输出示例： 系统会定位到具体实体（刘姥姥），并检查相关关系记录。结果显示刘姥姥进入大观园时带了她的孙子板儿。
settings.yaml 中调整 concurrency_limit，避免触发 API 限流。prompts 中的提示词，提高实体识别准确率。GraphRAG 相比传统向量检索的优势在于能够回答涉及多跳关系的问题（Multi-hop Questions）。例如，询问'A 的朋友 B 的家乡在哪里'，传统 RAG 可能无法关联 A 和 B 的关系，而 GraphRAG 可以通过图谱路径直接推导。
然而，GraphRAG 也存在局限性：
适用场景推荐：
通过合理配置和优化，GraphRAG 能显著提升 LLM 在处理复杂知识检索任务时的表现。开发者应根据实际业务需求，权衡成本与收益，选择最适合的 RAG 架构。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online