微软开源RAG最佳实践：GraphRAG实现全新知识图谱检索

微软近日开源了GraphRAG，一种基于知识图谱的检索增强生成（RAG）方法。该方法通过构建实体和关系的知识图谱，显著提升了复杂问答任务的准确性和可解释性。GraphRAG在多个基准测试中表现优异，尤其适用于需要多跳推理的场景。

GraphRAG的核心创新在于将文档转化为知识图谱，而非传统的向量索引。系统首先提取文本中的实体和关系，构建图结构；在检索时，通过图遍历算法获取相关子图，并输入到大语言模型生成答案。这一设计有效缓解了传统RAG中信息碎片化和上下文丢失的问题。

微软已在GitHub上开源GraphRAG的代码和文档，并提供了使用示例。开发者可以基于此构建更智能的问答系统、企业知识库等应用。该项目已获得社区广泛关注，被认为是RAG领域的重要进展。