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： 2761

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

2025-12-10

最新力作：一招提升RAG检索精度20%

2025-12-10

Apple 入局 RAG：深度解析 CLaRa 框架，如何实现 128x 文档语义压缩？

2025-12-09

客服、代码、法律场景适配：Milvus Ngram Index如何百倍优化LIKE查询| Milvus Week

2025-12-09

一键把碎片变成有料笔记：NoteGen，一款跨平台的 Markdown 笔记应用

2025-12-07

Embedding模型选型思路：相似度高不再代表检索准确（文末附实战指南）

2025-12-06

Palantir Ontology 助力AIP Agent落地工具介绍：Object Query

2025-12-05

把AI记忆做好，是一个价值6千亿美元的市场

2025-12-05

我错了，RAG还没完！AI记忆的结合会成为下一个技术风口

了解更多

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

Embedding与Rerank：90%的RAG系统都搞错了！为什么单靠向量检索会毁了你的AI应用？

2025-10-04

企业级 RAG 系统实战（2万+文档）：10 个项目踩过的坑（附代码工程示例）

2025-10-11

存算一体破局向量检索瓶颈，IBM放出王炸VSM：性能飙升100倍，能效碾压GPU千倍，RAG要变天？

2025-09-30

总结了 13 个顶级 RAG 技术

2025-10-12

RAG 深度解读：检索增强生成如何改变人工智能

2025-12-04

大模型生态的“不可能三角”：规模化应用的架构困境？

2025-11-04

RAGFlow 深度介绍

2025-10-31

RAGFlow v0.22.0 发布：数据源同步、变量聚合、全新管理界面与多项重大更新

2025-11-13

任何格式RAG数据实现秒级转换！彻底解决RAG系统中最令人头疼的数据准备环节

2025-10-12

大模型RAG入门宝典｜从AI搜索到实战搭建，小白&程序员必收藏的检索增强指南

2025-12-03

大家都在问

Apple 入局 RAG：深度解析 CLaRa 框架，如何实现 128x 文档语义压缩？

2025-12-10

RAG知识库迎来大洗牌：GraphRAG如何让机器真正读懂世界？

2025-11-23

再谈RAG的文档解析——文档解析的难点在哪里？

2025-11-20

为什么RDF是AI系统的“天然知识层”？

2025-11-19

大模型生态的“不可能三角”：规模化应用的架构困境？

2025-11-04

Embedding与Rerank：90%的RAG系统都搞错了！为什么单靠向量检索会毁了你的AI应用？

2025-10-04

存算一体破局向量检索瓶颈，IBM放出王炸VSM：性能飙升100倍，能效碾压GPU千倍，RAG要变天？

2025-09-30

您应该为您的 RAG 系统使用哪种分块技术？

2025-09-10

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 提示词框架提示词技巧 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智能化改造 AI+医疗 MaxKB