7月3日，微軟在官網開源了基于圖的RAG(檢索增強生成)——GraphRAG。

　　為了增強大模型的搜索、問答、摘要、推理等能力，RAG已經成為GPT-4、Qwen-2、文心一言、訊飛星火、Gemini等國內外知名大模型標配功能。

　　傳統的RAG系統在處理外部數據源時，只是簡單地將文檔轉換為文本，將其分割為片段，然后嵌入到向量空間中，使得相似的語義對應相近的位置。

　　但這種方法在處理需要全局理解的海量數據查詢時存在局限，因為它過度依賴局部文本片段的檢索，無法捕捉到整個數據集的全貌。

　　所以，微軟在RAG基礎之上通過“Graph”圖的方式，例如，文本中的實體，人物、地點、概念等，構建了超大的知識圖譜，幫助大模型更好地捕捉文本中的復雜聯系和交互，來增強其生成、檢索等能力。

　　Graph RAG架構簡單介紹

　　Graph RAG的核心是通過兩階段構建基于圖譜的文本索引:首先，從源文檔中衍生出實體知識圖譜;然后，針對所有緊密相關的實體群組預生成社區摘要。

　　所以，Graph RAG的第一步就是將源文檔分割成較小的文本塊，這些文本塊隨后被輸入到大模型中以提取關鍵信息。

　　在這個過程中，大模型不僅要識別文本中的實體，還要識別實體之間的關系，包括它們之間的相互作用和聯系，用來構建一個龐大的實體知識圖譜，其中包含了數據集中所有重要實體和它們之間的關系。

　　簡單來說，這個過程就像殺雞一樣，當一整只雞(數據)拿上來后，我們就要把它分解成腿、翅膀、胸肉等更細小的組成部分，同時會關注這些部位之間的關系方便后續的處理。

　　接著，Graph RAG使用社區檢測算法來識別圖譜中的模塊化社區。這些社區由相關的節點組成，它們之間的聯系比與圖中其他部分的聯系更為緊密。通過這種方式，整個圖譜被劃分為更小、更易于管理的單元，每個單元都代表了數據集中的一個特定主題或概念。

　　在基于圖的索引之上，Graph RAG進一步生成社區摘要。這些摘要是對社區內所有實體和關系的總結，它們提供了對數據集中特定部分的高層次理解。

　　然后要求大模型對每個答案進行打分，分數在0—100之間，得分過低的將被過濾掉，高分則留下。將剩余的中間答案按照得分高低排序，逐步添加至新的上下文窗口中，直至詞數限制。

　　例如，當用戶提問“如何進行有效減肥時?”，系統會利用與問題相關的社區摘要來生成部分答案。這些部分答案隨后被匯總并精煉，以形成最終答案。

　　Graph RAG對大模型的好處

　　與傳統RAG相比，Graph RAG的全局檢索能力非常強，所以很擅長處理大規模數據集，以下是對大模型的主要幫助。

　　擴展上下文理解能力:通常大模型受限于其上下文窗口的大小，這限制了它們理解和生成基于長文本的能力。Graph RAG通過構建基于圖的索引，將整個文本集合分解成更小、更易于管理的社區模塊，從而擴展了模型的理解和生成能力。

　　增強全局查詢:傳統的RAG方法在處理全局數據的查詢時表現不佳，因為依賴于局部文本片段的檢索。Graph RAG通過生成社區摘要，使得模型能夠從整個數據集中提取相關信息，生成更加全面和準確的答案。

　　提高摘要的質量和多樣性:Graph RAG方法通過并行生成社區摘要，然后匯總這些摘要來生成最終答案，能幫助大模型從不同的角度和社區中提取信息，從而生成更豐富的摘要。

　　優化算力、資源利用率:在處理大規模文本數據集時，資源的有效利用至關重要。Graph RAG通過模塊化處理，減少了對算力資源的需求。與傳統的全文摘要方法相比，Graph RAG在生成高質量摘要的同時，顯著降低了對token的需求。

　　提升信息檢索和生成的協同:Graph RAG方法通過結合檢索增強和生成任務，實現了兩者之間的協同工作，提高了生成內容的準確性和相關性。

　　增強了對數據集結構的理解:通過構建知識圖譜和社區結構，Graph RAG不僅幫助模型理解文本內容，還能理解數據集的內在結構。

　　提高對復雜問題的處理能力:在處理需要多步驟推理或多文檔信息整合的復雜問題時，Graph RAG能夠通過檢索和摘要不同社區的信息，提升對問題更深層次的理解。尤其是在解讀PDF、Word等文檔時非常有用。

　　為了評估Graph RAG的性能，微軟在一個100萬tokens、超復雜結構的數據集上，包含娛樂、播客、商業、體育、技術、醫療等內容，進行了綜合測試。

　　結果顯示，全局檢索方法在全面性和多樣性測試上，超越了Naive RAG等方法。特別是，Graph RAG方法在播客轉錄和新聞文章數據集上都顯示出了超高的水準，多樣性也非常全面，是目前最佳的RAG方法之一。

　　同時Graph RAG對tokens的需求很低，也就是說可以幫助開發者節省大量成本。