我要投稿

从安装到配置，带你跑通GraphRAG

发布日期：2024-11-12 18:46:45 浏览次数： 3095

作者：AI科技论谈

微信搜一搜，关注“AI科技论谈”

使用GraphRAG提升信息检索相关性。

GraphRAG是传统RAG的升级版，通过索引和查询两大阶段，实现了信息的图结构化处理和社区检测技术，从而提升信息检索的上下文相关性。本文为大家详细介绍GraphRAG的设置和应用方法。

1 GraphRAG

GraphRAG 是传统 RAG 的升级版，主要分为索引和查询两个阶段：

索引阶段：

源文档被拆分为子文档，进行实体和关系提取，构建知识图谱，形成社区结构，并生成多层次摘要。

查询阶段：

根据用户需求，选择合适的社区级别检索，整合多个社区的响应，形成全面答案。

GraphRAG 的创新在于利用图结构化信息和社区检测技术，提升回答的上下文相关性，但其计算成本要高于传统 RAG，后者在成本效益上仍有优势。

2 GraphRAG 设置指南

2.1 环境与安装

创建并激活虚拟环境：

conda create -n GraphRAG
conda activate GraphRAG

安装 GraphRAG 包：

pip install graphrag

2.2 目录结构

创建工作目录，并在其中建立 ragtest/input 文件夹。
将源文档放入 input 文件夹。

2.3 配置与初始化

初始化工作空间并创建配置文件：

python -m graphrag.index --init --root ./target

在 settings.yml 中设置 OpenAI API 密钥和模型配置。

2.4 构建与查询

构建知识图谱：

python -m graphrag.index --init --root ./target

执行查询：

全局查询：

python -m graphrag.query --root ./target --method global "这个故事的主题是什么"

局部查询：

python -m graphrag.query --root ./target --method local "这个故事的主题是什么"

通过以上步骤，可设置并使用 GraphRAG 进行有效的信息检索。

3 GraphRAG成本分析

测试结果显示，GraphRAG处理每本书的费用约为7美元，主要包括：

GPT-4 API调用约570次；
嵌入请求约25次；
处理超过100万标记。

这些数据可作为评估GraphRAG性价比的参考。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-06-25

5.2k星星爆火开源！你的知识库迎来了史诗级更新，「像素级原生搜索」来了

2026-06-25

1.5K Star！网页提取神器 webclaw：让 AI 精准抓取网页核心内容！

2026-06-25

聊一聊检索即推理：基于LLM-Wiki的自演化智能体原生检索

2026-06-24

企业级 Agent 最缺的不是聪明，是"不敢编"——企查查智能体数据平台的三层反幻觉工程

2026-06-24

别再怪向量检索不行！90% RAG 检索拉胯，都是关键词提取在拖后腿

2026-06-24

别再把 RAG 当搜索框了：Bayer 这套 Agentic RAG，把上下文、反思、恢复和评测全焊进生产系统

2026-06-24

上生产GraphRAG的重活，SAG请外援解决了

2026-06-23

RAG之后，知识库开始自己长大

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

全网爆火的大模型AI知识库，保姆级教程来了

2026-04-06

Karpathy的LLM Wiki + 3.5 万Star的Graphify：企业级 RAG 缺的真是知识图谱？

2026-04-27

2026 年做搜索就是做 Agent Memory

2026-04-23

RAG进化了，深扒Claude Code源码中RAG高级技巧

2026-04-02

OpenDataLoader：PDF文档提取的一站式方案

2026-03-31

Codeindex · 让大模型更好地理解你的代码

2026-04-20

阿里云百炼「记忆库」正式上线，让龙虾真正记住你！

2026-04-09

YC CEO 的 AI 记住了 3000 个人

2026-04-12

专题解读 | 可更新的检索增强知识库发展方向及进展

2026-04-22

AI 答疑助手优化实践：从 RAG 到 LightRAG 的全链路升级

2026-04-10

大家都在问

谷歌发布OKF（Open Knowledge Format）规范，它与Karpathy的LLM-wiki是什么关系？

2026-06-23

RAG 的尽头，是 SQL？

2026-06-23

RAG运维如何用好Loop Engineering？Milvus 3.0 对它有什么价值？

2026-06-15

如何构建一个更“好”的知识库？

2026-06-10

企业 RAG 知识库落地，应如何设计实现？

2026-06-10

AIOps探索：给不能联网的客户做一个AI运维助手到底有多难？

2026-05-20

有多少人把Agent与RAG的检索策略，简化成了 if-else？

2026-05-18

到底是谁会相信RAG已死啊？

2026-05-11

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw