← 部落格

工程筆記

GraphRAG 是什麼:用知識圖譜補足多跳查詢與證據關係

GraphRAG 是什麼:用知識圖譜補足多跳查詢與證據關係

當使用者問「這家供應商的母公司,還有哪些產品受同一份合約約束?」時,RAG 如果只挑五個語義相近的段落,可能找得到供應商卻找不到跨文件的持股與產品關係。

QCon AI 的 GraphRAG 演講中,Cassie Shum 討論的重點正是這種資料基礎不足,導致模型無法可靠組合上下文的問題。圖譜有潛力讓關係成為可查詢的資料,而不只是散落在文字段落裡的線索;但圖譜不是事實保證,也不會因為使用 Cypher 就自動消除幻覺。

一、傳統檢索究竟卡在哪裡?

問題類型單純 Top-k 的風險GraphRAG 能提供的額外線索
全域摘要只讀少數 Chunk,容易漏掉跨文件主題圖社群、群組摘要或階層索引
多跳關係A→B 與 B→C 分散在不同文件依明確的節點及邊查詢路徑
證據追溯找到答案卻很難定位哪一段支持哪個關係為節點與邊保存來源和版本

這不代表沒有圖就一定做不到。文件階層搜尋、query decomposition、reranking 和高品質引用,也可能解決相同問題。GraphRAG 增加的是另一種資料表示與查詢能力,同時增加了抽取與維護成本。

二、先理解兩種常見的圖式檢索路徑

「GraphRAG」不是單一固定的程式架構,至少需分清兩類:

  1. 關係遍歷/局部查詢:使用事先建好的實體、關係和型別,回答供應商、組織、產品間的多跳問題。
  2. 社群摘要/全域查詢:把大量實體與關係分群、產生可閱讀的摘要,再合成跨文件的主題答案。Microsoft GraphRAG 的社群摘要是一個代表性方向。

第一種較容易展示條件式路徑;第二種偏向回答「整個語料的主要議題是什麼」。它們使用的索引、成本和評測目標不一定相同,不能直接視為相同的命中率實驗。

三、Cypher 範例:正確遍歷不代表資料必然正確

以下是教學用圖結構,假設資料庫已有正確的 SUBSIDIARY_OF 與 OWNS_PRODUCT 關係:

MATCH (supplier:Company {name: 'Acme Corp'})
      -[:SUBSIDIARY_OF]->(parent:Company)
MATCH (parent)-[:OWNS_PRODUCT]->(product:Product)
RETURN parent.name AS ParentCompany,
       collect(DISTINCT product.name) AS Products

這段查詢可以確定地遍歷已儲存的關係,但結果不會自動告訴我們:

  • Acme Corp 是否和另一個同名實體混淆。
  • 股權關係是否已失效或尚未生效。
  • OWNS_PRODUCT 是否來自推測、舊版文件或未核准來源。
  • 商品清單是否完整,或因抽取漏邊而缺失。

因此要區分查詢執行的確定性與資料所代表事實的正確性。Graph traversal 可以減少自由生成時的推理跳躍,但不能保證「100% 精準上下文」或杜絕幻覺。

四、GraphRAG 最難的是 ETL,而不是畫出節點

從非結構化內容建圖,至少要經過以下關卡:

  1. 來源擷取與權限:保留文件 ID、版本、有效日期及 ACL。
  2. 實體抽取:辨識公司、產品、契約與條件,標出來源片段。
  3. 實體對齊:處理別名與同名異物,例如品牌名與法人名稱;不確定時保留候選,而非強行合併。
  4. 關係驗證:對每條邊標示關係型別、時間、來源、信心與核准狀態。
  5. 建索引與查詢:選擇圖遍歷、混合檢索、社群摘要或其他策略。
  6. 變更與刪除:當原始來源撤回、ACL 更新或關係失效時,修正受影響節點、邊及快取。

LLM 可協助提名實體與關係,卻不等於自動產出權威知識圖。對關鍵關係可以加入抽樣人工審查、規則檢驗與來源可回溯機制。

真正的 provenance 應長什麼樣?

建議在關係層保存 source_document_id、source_span、source_version、valid_from、valid_to 等欄位,並且讓回答中的每個重要主張能回連到原文片段。

即使邊有 confidence_score,它也只是模型或抽取流程的訊號,不等於已證明的事實。稽核仍需要身份驗證、來源授權、編輯紀錄及可重播的查詢路徑。

五、是否值得導入?先跑同一批評測題

在選型前,至少比較三條路線:

方案先回答的問題主要成本
Hybrid RAG + reranker現有檢索是否已找齊關鍵證據?索引、排序與標註
Hybrid + query decomposition多跳失敗是否只因查詢沒有分解?多輪查詢與合成延遲
GraphRAG關係建模與圖遍歷是否顯著改善同一批問題?Ontology、抽取、對齊、更新與圖查詢

評測題應包含:同名公司、跨文件兩跳/三跳、過期關係、來源衝突、無答案、越權查詢及全域摘要。指標同時看答案正確率、引用覆蓋、關係精確率、權限洩漏率、P95、更新成本,而非只展示漂亮的知識圖畫面。

一個容易被忽略的風險

若原始文件把「A 曾經屬於 B」描述成歷史事實,但建圖時被抽成永久的 SUBSIDIARY_OF,即使 Cypher 完全正確,Agent 也會回答出時間上錯誤的關係。這是知識版本與有效期間問題,不能靠換成圖資料庫自行修正。

六、結論:圖是關係索引,不是安全證書

GraphRAG 的真正價值,是讓跨文件的實體、關係與脈絡可以被明確查詢;而不是保證比所有 RAG 都更準確。它是否有收益,取決於企業問題是否真的需要關係結構,以及來源和圖譜是否維護得住。

如果既有 Hybrid RAG 已通過相同題集,不必為了使用新名詞而擴大架構;如果問題確實反覆敗在多跳關係、全域摘要或時間條件,就可以用受控 PoC 驗證建圖的價值。

來源與延伸閱讀