基于 graphrag-practice-chinese 项目，结合 GLM-4 大语言模型，实现了针对《红楼梦》全文的 GraphRAG 中文增强检索系统。通过优化文本切分策略、替换英文提示词为中文以及适配国内大模型接口，解决了原生 GraphRAG 对中文支持不足的问题。文章详细阐述了环境搭建、配置文件修改、索引构建及全局与本地查询测试的全过程，并对比了两种查询模式的差异与适用场景，为中文语境下的知识图谱检索应用提供了实践参考。
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。
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：
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：
首先从 GitHub 获取项目代码：
git clone https://github.com/zhaoyingjun/graphrag-practice-chinese.git
cd ./graphrag-practice-chinese
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
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。
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。
.env 文件用于存储敏感信息，如 API Key。需修改如下内容：
GRAPHRAG_API_KEY=your_zhipu_api_key_here
请确保使用智谱 AI 控制台生成的有效密钥。
settings.yaml 定义了 Pipeline 的核心参数。以下是关键部分的配置说明：
指定数据源路径及编码格式：
input:
type: file
file_type: text
base_dir: "input/hongloumeng"
file_encoding: utf-8
file_pattern: ".*\\.txt$"
官方默认按 Token 数切分，易导致中文句子被截断。建议采用自定义中文切分器：
chunks:
size: 2500
overlap: 300
group_by_columns: [id]
splitter:
type: custom
module: splitter.chinese_text_splitter
class: ChineseTextSplitter
params:
pdf: false
sentence_size: 250
此配置使用字符数而非 Token 数进行切分，保留句子完整性，避免乱码。
将默认 OpenAI 模型替换为 GLM-4。需在代码层面修改模型适配器，或在配置中指定对应的 API 端点。推荐在 settings.yaml 中明确指定模型名称：
llm:
api_base: "https://open.bigmodel.cn/api/paas/v4/"
model: "glm-4-plus"
max_tokens: 4096
temperature: 0.7
GraphRAG 包含四个核心 Prompt 文件（位于 prompts/ 目录）。原文件均为英文并要求英文输出。为提升中文效果：
执行以下命令启动索引构建任务：
python -m graphrag.index --root ./
output 目录，缓存数据存于 cache 目录。注意：构建完整《红楼梦》全文索引可能消耗约 700W Tokens，耗时较长。若无 GPU 加速，建议使用 CPU 模式耐心等待进度条完成。成功标志为控制台输出
All workflows completed successfully。
索引构建完成后，可通过命令行进行查询测试。
适用于宏观主题性问题，基于预计算的社区摘要进行回答。
python -m graphrag.query --root ./ --method global "故事的主旨是什么？"
典型响应： 系统会综合贾、王、史、薛四大家族的兴衰描写，分析封建社会的矛盾冲突及人性主题。由于基于社区摘要，回答通常具有较高的概括性和深度。
适用于特定实体的精确查询，基于图遍历和向量搜索。
python -m graphrag.query --root ./ --method local "贾母对宝玉的态度怎么样？"
典型响应： 系统会定位到'贾母'和'宝玉'实体，遍历其关系边，总结出具体的互动细节（如探望、教育、宽容等），并提供具体的数据来源引用。
| 特征 | 本地查询 (Local Search) | 全局查询 (Global Search) |
|---|---|---|
| 查询范围 | 以特定实体为入口点 | 基于预先计算的实体社区摘要 |
| 查询方法 | 使用实体嵌入和图遍历 | 向每个社区提问并汇总答案 |
| 适用场景 | 针对特定实体的精确查询 | 广泛的主题性问题 |
| 性能 | 对简单直接任务更高效 | 适合处理复杂的多步骤查询 |
| 复杂度 | 相对较低 | 较高，需要更多计算资源 |
| 洞察深度 | 适中 | 更深入，能更全面理解上下文和关系 |
| Token 使用量 | 较低 | 较高，因多次 LLM 调用 |
若构建过程中出现内存错误，可尝试减小 chunks.size 参数，或增加系统交换空间。对于大型数据集，建议分批处理。
确保所有输入文件均为 UTF-8 编码。若仍出现乱码，检查 settings.yaml 中的 file_encoding 是否设置为 utf-8，并确认使用了 ChineseTextSplitter。
temperature 值（如 0.1~0.3）可使回答更稳定。通过上述实践，我们成功构建了基于 GraphRAG 架构的中文文学检索系统。该系统不仅实现了对《红楼梦》全文的结构化理解，还展示了图神经网络在大模型应用中的潜力。未来可进一步探索多模态数据融合、动态知识更新以及垂直领域的微调训练，以提升系统的智能化水平。
对于开发者而言，掌握 GraphRAG 的配置与优化技巧，是构建高质量企业级知识库的关键一步。建议在正式部署前充分测试不同分块策略与模型组合，以达到最佳的性能与成本平衡。
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