利用 GraphRAG + GLM-4 构建《红楼梦》全文的中文增强检索系统
引言
检索增强生成（Retrieval-Augmented Generation, RAG）技术通过结合外部知识库与大语言模型，有效缓解了模型幻觉问题。而图检索增强生成（GraphRAG）在此基础上引入了知识图谱结构，通过实体关系网络提升了对复杂问题的理解与推理能力。
原生 GraphRAG 项目主要面向英文环境优化，在处理中文长文本时存在分块乱码、提示词不匹配及模型支持不足等问题。本文基于 graphrag-practice-chinese 开源项目，结合智谱 AI 的 GLM-4 大模型，详细演示了如何构建针对《红楼梦》全文的中文增强检索系统，涵盖环境搭建、配置优化、索引构建及查询测试全流程。
核心优势与技术选型
1. 为什么选择 GraphRAG？
传统向量检索（Vector Search）擅长语义相似度匹配，但在处理多跳推理（Multi-hop Reasoning）和全局概览（Global Overview）时表现有限。GraphRAG 通过构建实体节点和关系边，能够：
- 揭示隐藏关系：发现文本中未直接陈述但隐含的人物或事件关联。
- 全局摘要：生成社区级别的摘要，便于回答宏观主题问题。
- 上下文保持：在长文档检索中更好地维持上下文连贯性。
2. 模型选择：GLM-4
原生 GraphRAG 默认调用 OpenAI API，对中文支持较弱且成本较高。本项目选用智谱 AI 提供的 GLM-4 系列模型（如 glm-4-flash 或 glm-4-plus），原因如下：
- 中文原生能力强：对中文语境、成语及文化背景理解更精准。
- 成本可控：相比 GPT-4 系列，Token 消耗成本更低，适合大规模全文索引构建。
- API 兼容：通过适配层可无缝替换 OpenAI 接口调用逻辑。
环境搭建
1. 克隆项目
首先从 GitHub 获取项目代码：
git clone https://github.com/zhaoyingjun/graphrag-practice-chinese.git
cd ./graphrag-practice-chinese
2. 安装依赖
确保 Python 版本为 3.9 或以上，并安装项目所需依赖：
pip install -r ./requirements.txt
3. 初始化配置
运行初始化命令以创建必要的配置文件目录：
python -m graphrag.index --init --root ./
此命令将在当前目录下生成 .env 和 settings.yaml 文件。
4. 准备数据
创建输入目录用于存放待索引的文本文件：
mkdir ./input
将《红楼梦》原文保存为 UTF-8 编码的 .txt 文件放入该目录。注意 GraphRAG 仅支持 txt 或 csv 格式。
配置优化策略
1. 环境变量配置 (.env)
.env 文件用于存储敏感信息，如 API Key。需修改如下内容：
=your_zhipu_api_key_here
