論文精讀

RAG vs. GraphRAG 論文精讀：檢索方法比較與混合策略

原文：RAG vs. GraphRAG: A Systematic Evaluation and Key Insights

NLP 中階發布日期 2026/03/24 閱讀時間閱讀約 22 分鐘更新 2026/08/24

90 秒掌握論文

問題： 近期多種 GraphRAG 系統被提出，並宣稱在多跳推理與全局摘要等複雜任務上全面超越傳統向量 RAG。然而各家論文在評估時往往同時改變圖譜建構演算法、檢索拓撲、上下文 token 預算及生成提示詞（Prompt），導致技術社群無法辨明：圖結構本身究竟在何時提供真實增益？又在何時淪為徒增延遲與開銷的無效複雜度？
核心洞見： 在統一前處理、檢索預算與生成模型的公平受控基準下，RAG 與 GraphRAG 各有不可取代的優勢區間，並非單純的取代關係。標準向量 RAG 在單跳事實檢索與精確拒答（Null 查詢）上表現最穩健且具備極低延遲；GraphRAG 的價值取決於查詢的「證據拓撲（Evidence Topology）」——當且僅當任務依賴跨實體關聯跳躍、時間序列演化或語料全局聚合時，圖引導檢索才呈現結構優勢。透過動態路由（Selection）或證據拼接（Integration）的混合架構，能有效兼顧各拓撲的長處。
最強證據： 論文在統一評估協議下測試問答（NQ、HotpotQA、MultiHop-RAG、NovelQA）與查詢導向摘要（SQuALITY、QMSum、ODSum）。在單跳 NQ 上，傳統向量 RAG 以 64.78% F1 領先所有 Graph 方法；在 MultiHop-RAG 綜合評比中，以文本塊為核心的圖引導方法 HippoRAG2 以 70.27% 準確率拔得頭籌；以社群報告為核心的 Community-Global 在時間推理（Temporal）上達 53.34%（RAG 僅 30.70%），但在無答案拒答題（Null）上驟降至 19.27%（RAG 高達 96.01%）。此外，圖索引建置時間高達 RAG 的 41 至 57 倍（Table 4）。
主要邊界： 實驗主要基於 Llama-3.1-8B-Instruct（部分測試輔以 70B）與固定公開 Benchmark 測試集；圖譜皆為一次性離線批量抽取，未驗證動態增量更新；效率分析僅記錄單機基準運算時間，未涵蓋生產環境的 API 調用失敗重試、權限過濾（ACL）、快取策略與整體維運成本。

論文版本註記：本文依據 Han 等人（密西根州立大學、Meta、IBM 等）發表之 arXiv:2502.11371 初始版本（v1）研究內容展開精讀，arXiv 頁面後續已遞交更新修訂版（至 v3）；本文數據以受控對照實驗論文報告結果為準。

理解前需要知道什麼

在深入比較前，必須釐清傳統檢索增強生成（Flat Dense RAG）與四類新興 GraphRAG 系統的運作架構與控制點差異：

傳統向量 RAG（Flat Dense RAG）：
將文檔切分為固定長度的文本塊（Chunks），透過預訓練稠密嵌入模型（如 Contriever、BGE）將每個文本塊映射為向量。檢索階段計算問題向量與庫中向量的餘弦相似度（Cosine Similarity），取 Top- $k$ 相關文本塊直接拼接入提示詞交由大型語言模型（LLM）回答。
既有方法的瓶頸（Why traditional RAG is insufficient）：
- 孤立文本塊盲區： 向量檢索預設文本塊之間彼此獨立。若回答問題所需的證據鏈條跨越數個文檔或章節，向量相似度往往只能匹配到帶有問題關鍵字的部分文本塊，而遺漏缺乏直接關鍵字的中介橋樑段落。
- 多跳推理（Multi-hop Reasoning）斷裂： 面對需要「實體 A $\to$ 實體 B $\to$ 實體 C」的複雜推論，傳統 RAG 缺乏顯式結構追蹤實體跳轉路徑，容易檢索出雜訊過多的片段。
- 宏觀語料聚合失能： 面對「整份語料庫的核心主題演變」等全局性摘要問題，傳統 RAG 難以在有限 context window 內拼湊出全景視角。
既有評估協議的混亂：
過往支持 GraphRAG 的研究往往伴隨不同的 chunk 大小、擴增的 context 預算與更強大的生成模型，使得讀者無法確定性能提升究竟來自「圖結構檢索」還是單純「讀了更多 tokens」或「用了更好的提示詞工程」。
論文界定的四類 GraphRAG 系統（Table 1, §3.2）：
- 知識圖譜型（KG-based GraphRAG）： 以 LlamaIndex KG-GraphRAG 為代表。利用 LLM 抽取實體與關聯三元組 $(Subject, Predicate, Object)$ 構成顯式圖譜。檢索時以問題實體為種子進行多跳子圖遍歷。論文進一步區分純三元組（Triplets only）與三元組附帶原段落（Triplets + Text）兩種檢索單位。
- 社群報告型（Community-based GraphRAG）： 以微軟 Microsoft GraphRAG 為代表。從文本抽取實體網絡後，利用 Leiden 演算法劃分多層級圖社群（Communities），並由 LLM 為各社群預先生成結構化摘要報告。分為 Local（檢索實體鄰域及低階社群報告）與 Global（直接檢索高階社群報告進行全域聚合）兩種模式。
- 文本為本的圖引導型（Text-centric Graph-guided RAG）： 以 HippoRAG2 為代表。圖結構僅作為索引與走訪的引導機制（透過個體化 PageRank 在實體圖上傳播權重），最終傳遞給 LLM 的依然是包含完整上下文的原始文本塊（Text Chunks）。
- 層級摘要型（Hierarchical Summary RAG）： 以 RAPTOR 為代表。不進行顯式實體抽取，而是對文本塊進行遞迴聚類（Recursive Clustering）並為各層聚類生成摘要，建構樹狀層級結構，檢索時跨層級匹配節點。

Figure 1，論文 Section 2 的架構對比：傳統 RAG 依賴獨立文本塊向量檢索，KG-based GraphRAG 透過實體與關係三元組進行圖遍歷，Community-based GraphRAG 則透過階層式社群劃分與預生成摘要提供全景視野。原始 Figure 1 anchor；圖片取自 arXiv HTML figure endpoint。arXiv source 標示 perpetual non-exclusive license；本文保留 attribution，依 arXiv reuse terms 使用。

核心直覺

評估 RAG 與 GraphRAG 的根本心智模型，應從「哪種演算法在平均分數上更高」轉變為「該問題的證據分佈屬於哪種拓撲結構（Evidence Topology）」：

局部集中型拓撲（Local Topology）： 答案集中在單一事實陳述或連續段落（如定義查詢、特定數值、具體條款）。原始文本塊保留了最細緻的語義上下文，幾乎沒有訊息抽取損失。此時傳統向量 RAG 是速度最快、準確率最高且最具成本效益的解法。
跨實體路徑型拓撲（Relational / Multi-hop Topology）： 答案仰賴多個分散實體之間的關聯鏈條。圖譜中的邊與節點提供了跨越語義鴻溝的導航路標，使系統能夠追蹤中間橋樑實體。
全局社群型拓撲（Global Corpus-level Topology）： 問題需要全景視角的主題歸納、趨勢對比或宏觀總結。社群層級報告（Community Summaries）預先壓縮了全局分佈，避免在檢索階段因 token 上限而截斷全局視野。

然而，圖結構並非免費的架構升級。實體抽取本身會帶來訊息流失（Information Loss），抽取失敗率更直接造成召回盲點；當面臨不具備答案的負向問題時，高階社群報告容易導致模型過度演繹，引發嚴重的幻覺；此外，圖譜的建構耗時與遍歷延遲呈數量級暴增。

Figure 3(a)，論文 Section 4.4 的 QA comparison：RAG、GraphRAG、Selection 與 Integration 在 NQ、HotpotQA、MultiHop-RAG 與 NovelQA 上的差異，讓「graph 是否值得」回到 query type 與 evidence topology。見原始 Figure 3 anchor 與 Figure 3(a) source endpoint。arXiv source 標示 perpetual non-exclusive license；本文保留 attribution，依 arXiv reuse terms 使用。

用一個例子走完整個方法

以下透過三個代表性問題，走完整個檢索與生成流程，對照各方法在不同證據拓撲下的決策路徑與失敗隱患：

輸入查詢（Input Queries）：
- 查詢 A（多跳關聯）： 「去年甲公司收購乙公司後，負責主導其雲端遷移專案的總監是誰？」
- 查詢 B（局部事實）： 「丙雲端服務 Enterprise 方案的每月標準授權費是多少？」
- 查詢 C（不存在資訊的拒答題）： 「甲公司在 1995 年指派哪位經理執行丁專案？」（語料中甲公司成立於 2005 年，丁專案並不存在）。
中間表徵與檢索遍歷（Intermediate Traversal）：
- 傳統 RAG： 計算查詢的稠密向量 $q \in \mathbb{R}^d$ ，在向量空間計算餘弦相似度，拉回 Top- $k$ 文本塊。查詢 B 能直接命中含有定價表格的段落；查詢 A 則因「收購新聞」與「專案團隊名冊」分散在不同文檔且字面相似度不高，往往只檢索到收購段落，遺漏後續負責人段落。
- KG-GraphRAG： 透過 LLM 辨識實體「甲公司」、「乙公司」、「雲端遷移」，在知識圖譜中尋找關聯三元組 $(甲公司, 收購, 乙公司)$ 以及 $(乙公司, 執行專案, 雲端遷移)$ ，由實體節點延伸檢索相鄰三元組或原段落。
- Community-GraphRAG： 定位實體所屬的 Leiden 圖社群。查詢 A 在 Local 模式下鎖定「併購重組與技術整併」社群報告，取得跨部門脈絡；查詢 C 在 Global 模式下檢索了公司歷年發展的宏觀社群報告。
- HippoRAG2： 以問題抽取的實體為種子節點，執行個體化 PageRank（Personalized PageRank）在實體共現圖上進行機率遊走擴散，計算所有關聯實體的權重，並將權重聚合回原本的原始文本塊（Text Chunks）。
決策與轉換（Selection & Integration 混合策略）：
- Selection 路由（Appendix G）： 透過輕量分類器預先判斷查詢類型。查詢 B 識別為 Fact-based，路由至傳統向量 RAG；查詢 A 識別為 Reasoning-based，路由至 GraphRAG。
- Integration 拼接（Appendix H）： 同時調用 RAG 與 Graph 檢索器，將兩者檢索出的文本塊與圖摘要依評分拼接為統一上下文 $[C_{\text{RAG}}; C_{\text{Graph}}]$ 。
輸出生成（Output Generation）：
- 查詢 A： 圖導引檢索（如 HippoRAG2）成功尋回連結兩個事件的中介橋樑段落，Llama-3.1 8B 輸出正確負責總監；傳統 RAG 因證據鏈斷裂無法推論。
- 查詢 B： 傳統 RAG 迅速回傳精確金額；GraphRAG 經歷多步實體擴展與圖遍歷，輸出相同答案但耗費了 8 倍的檢索時間與數倍 token。
潛在失敗點（Likely Failure Points）：
- 三元組抽取斷鏈： 若建圖時 LLM 漏抽了關鍵的三元組，KG-GraphRAG 的圖遍歷將直接中斷，造成召回率歸零。
- 拒答題嚴重幻覺（針對查詢 C）： 在面臨無解查詢時，Community-Global 檢索出的高層摘要充滿了概括性的業務敘述，缺少精確的事實邊界。LLM 接收到龐大但無直接關聯的宏觀文字後，容易產生幻覺捏造虛構經理，在拒答能力上徹底失守。

技術機制

論文為了消除既往研究的混雜變因，建立了嚴謹的統一對照體系（Section 3）：

1. 統一評估協議原則

檢索與生成嚴格解耦（Decoupling Retrieval and Generation）：
評估框架將各檢索系統的檢索結果（Retrieved Contexts）先固化存儲，隨後使用完全相同的生成腳本、完全相同的溫度參數（Temperature = 0）與標準提示詞模板餵給目標生成模型（以 Llama-3.1-8B-Instruct 為基準，部分實驗驗證 70B），杜絕提示詞工程或生成超參數對檢索機制的干擾。
檢索上下文預算對齊（Budget Alignment）：
嚴格限制檢索送入 LLM 的總內容預算。對傳統 RAG 採 Top- $k$ chunks（預設 $k=5$ ，約 1500–2000 tokens）；對 GraphRAG 方法亦匹配相應的 token 長度預算，確保比較焦點在於「內容的拓撲品質」而非「誰塞了更多字」。

2. 檢索機制公式化表達

標準向量檢索（Flat Dense RAG）：
給定問題 $q$ 與候選文本塊集合 $\mathcal{C}$ ，利用嵌入模型 $E(\cdot)$ 計算： $s_{\text{dense}}(q, c) = \frac{E(q) \cdot E(c)}{\|E(q)\| \|E(c)\|}, \quad c \in \mathcal{C}$ 選取評分最高之前 $k$ 個文本塊。
HippoRAG2 圖引導檢索（Text-centric Graph-guided）：
建構實體共現關聯圖 $\mathcal{G} = (\mathcal{V}, \mathcal{E})$ 。由問題 $q$ 抽取種子實體集合 $\mathcal{V}_q \subset \mathcal{V}$ 。定義初始重啟機率向量 $\mathbf{p}_0$ ，其中 $v \in \mathcal{V}_q$ 之權重均分，其餘為 0。透過隨機遊走演算法計算穩態個體化 PageRank 向量 $\mathbf{p}$ ： $\mathbf{p} = \alpha \mathbf{W} \mathbf{p} + (1 - \alpha) \mathbf{p}_0$ 其中 $\mathbf{W}$ 為節點轉移矩陣， $\alpha$ 為阻尼係數。文本塊 $c$ 的最終關聯分數由其所包含之實體穩態機率加總決定： $S_{\text{Hippo}}(c) = \sum_{v \in \mathcal{V}_c} \mathbf{p}(v)$ 檢索系統隨後挑選分數最高之文本塊集合返回，保證最終輸出單元具備完整的語意連貫性。
社群報告檢索（Community-based）：
將實體圖透過 Leiden 演算法劃分為不同階層的社群結構 $\mathcal{P} = \{C_1, C_2, \dots, C_m\}$ $P = {C_{1}, C_{2}, \dots, C_{m}}$ 。每個社群預先生成結構化摘要報告 $R(C_i)$ $R (C_{i})$ 。
- Local 檢索： 計算問題實體與低層社群實體鄰域的關聯，檢索局部的實體關聯與低階社群報告。
- Global 檢索： 計算問題向量與高階社群報告 $R(C_i)$ 的向量相似度，檢索數個宏觀報告後由 LLM 進行映射歸納（Map-Reduce）。

3. 混合策略機制（Hybrid Strategies）

Selection 路由策略（Appendix G）：
使用輕量級 LLM 分類器分析輸入問題特徵，動態指派檢索器： $\text{Strategy}(q) = \begin{cases} \text{Dense RAG}, & \text{若 } q \text{ 屬事實查證、單跳定位或具體數值查詢} \\ \text{GraphRAG}, & \text{若 } q \text{ 屬多跳因果、實體對比或跨篇章全局綜整} \end{cases}$
Integration 證據整合策略（Appendix H）：
平行執行向量檢索與圖檢索，將傳統 RAG 召回的文本塊集 $\mathcal{C}_{\text{RAG}}$ 與 GraphRAG 召回之實體／報告集 $\mathcal{C}_{\text{Graph}}$ 去重整合： $\text{Context}_{\text{joint}} = \mathcal{C}_{\text{RAG}} \oplus \mathcal{C}_{\text{Graph}}$ 依綜合排序截斷至既定 token 預算後輸入生成模型。

實驗如何讀

論文在統一控制下執行了跨資料集、跨任務與多維度效率評估，主要實驗數據與觀察如下：

1. 單跳與多跳問答評估（Table 1）

Table 1 在 Llama-3.1-8B-Instruct 設定下，比較各檢索方法在單跳事實基準 NQ 與經典多跳基準 HotpotQA 上的 F1 分數（%）：

檢索方法（Method）	NQ F1（單跳）	HotpotQA F1（多跳）
標準向量 RAG	64.78	60.04
RaptorRAG（層級摘要）	60.04	61.31
KG-GraphRAG（純三元組 Triplets only）	34.28	25.02
KG-GraphRAG（三元組加原文 Triplets+Text）	50.27	42.60
Community-GraphRAG（Local 本地模式）	63.01	61.66
Community-GraphRAG（Global 全域模式）	54.48	45.16
HippoRAG2（文本為本圖引導）	61.03	63.01

數據深入解析：

單跳事實 RAG 稱霸： 在 NQ 上，傳統 RAG 以 64.78% F1 領先所有圖方法。KG-GraphRAG（純三元組）崩跌至 34.28%，即使補上原文也僅有 50.27%。
知識圖譜覆蓋率瓶頸（Appendix C）： 論文進一步調查發現，在自動構建的知識圖譜中，HotpotQA 僅約 65.8% 的答案實體存在於圖譜節點中，NQ 僅有 65.5%。這證明單純仰賴 LLM 抽取實體三元組會造成嚴重的資訊流失，直接封死了純圖方法在單跳與事實題上的準確率上限。
多跳對決： 在 HotpotQA 上，HippoRAG2 達到 63.01% F1，略優於傳統 RAG（60.04%）與 Community-Local（61.66%）。其關鍵在於 HippoRAG2 雖用圖來導航，但最終檢索送入 LLM 的依然是完整的原始段落，避免了語義破碎。

2. MultiHop-RAG 細粒度子類型評估（Table 2）

Table 2 呈現 MultiHop-RAG 測試集中四種細粒度查詢類型的準確率（Accuracy, %），揭示了不同架構在特定推理模式下的極端差異：

檢索方法（Method）	推論（Inference）	對比（Comparison）	拒答（Null）	時間序列（Temporal）	綜合總評（Overall）
標準向量 RAG	92.16	57.59	96.01	30.70	67.02
RaptorRAG	91.91	55.26	90.03	45.28	68.78
KG-GraphRAG（Triplets）	55.76	22.55	98.67	18.70	41.24
KG-GraphRAG（Triplets+Text）	67.40	34.70	97.34	17.15	48.51
Community-GraphRAG（Local）	86.89	60.63	80.07	50.60	69.01
Community-GraphRAG（Global）	89.34	64.02	19.27	53.34	64.40
HippoRAG2	91.54	58.41	85.71	49.91	70.27

核心數據發現：

HippoRAG2 總評最高： 達到 70.27% 綜合準確率，展現平衡的跨維度表現。
時間維度（Temporal）圖結構大勝： Community-Global（53.34%）與 Local（50.60%）大幅超越傳統 RAG 的 30.70%。時間線查詢往往橫跨多篇文檔的事件發展，社群摘要結構能有效保留宏觀時間推進脈絡。
拒答維度（Null）社群報告雪崩： 當問題在語料中根本沒有答案時，標準 RAG 維持 96.01% 的極高正確拒答率；然而 Community-Global 的拒答準確率暴跌至 19.27%！社群報告中泛化的大段背景文字容易引發 LLM 的確認偏誤，導致模型無中生有產生幻覺回答。

Figure 2，論文 Section 4.2 的檢索內容重疊分析：展示在不同問題複雜度下，RAG 與各類 GraphRAG 所召回的上下文內容重疊程度，揭示圖結構如何補足純向量相似度無法觸及的中介路徑證據。原始 Figure 2 anchor；圖片取自 arXiv HTML figure endpoint。arXiv source 標示 perpetual non-exclusive license；本文保留 attribution，依 arXiv reuse terms 使用。

3. NovelQA 21 類精細切片（Table 3 節選）

在小說超長語境問答 NovelQA 中，傳統 RAG 在單跳問題（sh）上平均達 68.73% 顯著領先；在細節查詢（dtl）上達 55.28% 保持優勢；只有在多跳關聯（mh）上，GraphRAG 系列展現出更具競爭力的水準（約 57–60%）。

4. 正交推論增強：重排序與迭代檢索（Section 4.3, Figure 1）

論文在 Section 4.3 與 Figure 1 測試了引入重排序模型（BGE-Reranker-Large）與多輪迭代思維鏈檢索（IRCoT）。結果顯示：

重排序與 IRCoT 幾乎對所有 RAG 與 GraphRAG 方法都帶來一致的增益。
但相對優劣位階完全不變： NQ 單跳依舊是 RAG 最強；MultiHop-RAG 依舊是圖導引方法佔優；Community-Local 搭配 IRCoT 依然無法修復 Null 查詢上的低劣表現。
工程結論： 推理時技巧（Rerank, CoT）屬於正交優化手段，無法彌補基礎檢索拓撲的根本盲區。

5. 建圖 LLM 等級對圖品質的決定性影響（Table 5）

在 Llama-3.1-70B 下評估 MultiHop-RAG，測試使用不同模型建置圖譜的影響：

建圖模型（Construction LLM）	推論（Inference）	對比（Comparison）	時間（Temporal）	綜合總評（Overall）
無圖（標準向量 RAG）	94.85	56.31	25.73	65.77
GPT-4o-mini	92.03	60.16	49.06	71.17
GPT-4o	93.63	66.59	58.49	75.08

數據表明，Temporal 準確率隨著建圖模型從無圖（25.73%） $\to$ GPT-4o-mini（49.06%） $\to$ GPT-4o（58.49%）呈躍升式改善。這證明 GraphRAG 的推理天花板高度依賴建圖 LLM 的資訊擷取精度；若為了節省開銷採用弱模型建圖，產生的噪聲圖譜將嚴重拖累下游檢索品質。

6. 效率與開銷代價（Section 4.6, Table 4）

在 MultiHop-RAG 測試集上量測的索引建置與檢索資源消耗：

檢索方法（Method）	索引建構耗時（秒）	檢索查詢耗時（秒）	索引儲存空間（MB）
標準向量 RAG	135	1,724	127
KG-GraphRAG	7,702（57×）	14,434（8.3×）	117
Community-GraphRAG	5,560（41×）	1,249	165

建圖成本昂貴： 圖索引建構需要對全量文檔調用 LLM 抽取實體與關係，耗時高達傳統 RAG 的 41 至 57 倍。
KG 檢索延遲巨大： KG-GraphRAG 在查詢時需進行實體抽取與多輪子圖走訪，檢索耗時為傳統 RAG 的 8.3 倍。
Community 檢索的延遲亮點： Community-GraphRAG 檢索時間（1249s）反而低於傳統 RAG（1724s），原因在於高階社群報告大幅縮減了比對候選集數量。

7. 查詢導向摘要與評估協議偏誤（Section 5, Figure 4）

在 SQuALITY 與 QMSum 查詢導向摘要中，直接回傳原始文本的 RAG、RAPTOR 與 HippoRAG2 顯著優於 Community-Global。因人類標註摘要需要具體事件的細微細節，Community-Global 的高層社群摘要丟失過多具體事實。

更重要的是，論文在 Section 5.3（Figure 4）嚴厲檢驗了前人研究仰賴的 LLM-as-a-judge 評估協議。當改變候選摘要呈現給評審 LLM 的先後次序（Order 1 vs Order 2）時：

全面性（Comprehensiveness）： 順序 1 時 LLM 顯著偏好 RAG；順序 2 時卻劇烈反轉偏好 Community-Local。
多樣性（Diversity）： 顛倒順序同樣導致勝率大幅逆轉。
這直接證明了過往宣稱「GraphRAG 摘要品質碾壓 RAG」的結論，很大程度上是評審模型嚴重的位置偏誤（Position Bias）所造成的評估假象。

證據地圖

為確保架構選型具備堅實依據，本節依據論文實驗將直接證據、因果推論、未竟邊界與工程化結論明確分離：

論文直接證據

統一受控協議下的拓撲差異： Section 3 與 Table 1–3 證實，在對齊檢索 token 預算與生成模型的條件下，各架構互有勝負。標準向量 RAG 在單跳問答（NQ F1 64.78%）與事實檢索上穩居第一；HippoRAG2 在多跳問答總評上達到最高（70.27%）；Community-Global 在時間跨度推理（53.34%）上具備優勢。
知識圖譜實體抽取流失： Appendix C 實測顯示自動抽取構建的 KG 僅涵蓋約 65.5%–65.8% 的基準答案實體，直接限制了純三元組檢索的表現。
拒答（Null）災難： Table 2 數據證實 Community-Global 面對無答案問題時，拒答準確率暴跌至 19.27%（傳統 RAG 為 96.01%）。
建置與運算開銷倍率： Table 4 測量顯示圖譜構建時間高達向量索引的 41–57 倍；KG 查詢延遲為傳統 RAG 的 8.3 倍。
評估協議的位置偏誤： Figure 4 證實利用 LLM-as-a-judge 評估摘要時，改變提示詞呈現順序會導致勝率劇烈翻轉。

作者因果解讀

作者主張 RAG 與 GraphRAG 本質上並非互斥的競爭對手，而是互補的技術家族。
圖結構的核心價值在於提供結構化的「關係先驗」與「跨文本語義橋樑」，這正是向量空間局部匹配所缺乏的。
提出 Selection 路由分類器與 Integration 雙路拼接策略，能夠在保持 RAG 局部事實精確度的同時，吸納圖譜的多跳推理能力。
圖譜品質高度取決於建圖 LLM 的推論能力，高階 LLM 抽取的實體邊緣品質直接決定下游表現。

論文未證明

動態增量維護（Incremental Updates）： 論文所有實驗均基於靜態語料庫的一次性離線建圖。在真實業務中文檔頻繁增刪改查（CRUD）時，圖譜如何低成本增量維護完全未被探討。
企業級生產環境條件： 未涉及企業私有數據、文檔存取權限過濾（ACL）、多租戶隔離（Multi-tenancy）與跨語言混合檢索。
整體擁有成本（TCO）： Table 4 僅記錄單機基準實驗時間，未計算商業 API 調用費用、抽取失敗重試成本、資料庫伺服器託管費用與工程維護人力。
模型泛化範圍： 主要結論奠基於 Llama-3.1-8B-Instruct，雖然 70B 趨勢相近，但尚未涵蓋其他專有前沿模型（如 GPT-4o、Claude 3.5 Sonnet）或領域專用小模型。

Bloss0m 工程化整理

綜合論文實證，Bloss0m 歸納出以下可落地的工程判斷原則：

摒棄「全面升級 GraphRAG」的盲從： 切勿僅憑基準論文的 Overall 分數替換既有向量檢索管道。
切片驗證（Slice-based Evaluation）： 評估既有系統時，必須將查詢流量細分為單跳事實、多跳關聯、全局概括與邊界拒答（Null）四類，量化各類佔比。
優選文本為本的圖引導架構： 若需引進圖能力，應優先考慮 HippoRAG2 這類保留原始 chunk 作為回傳單元的架構，避免純三元組的訊息流失。

Artifact 與可重現性

檢查狀態與存取性： 截至 2026 年查核，論文原始碼 github.com/haoyuhan1/RAGvsGraphRAG 可公開存取（Usable）；arXiv 論文頁面（arXiv:2502.11371）提供完整 PDF 與 HTML 版本。
可重現性限制：
- 官方代碼儲存庫僅有單一初始 commit，GitHub Releases 處於空白狀態（Empty），未附帶已編譯好的圖譜快取（Graph Caches）、固定權重檢查點（Checkpoints）或包含全量超參數與亂數種子的環境 Docker 映像檔。
- 代碼高度依賴多套外部開源工具鏈（LlamaIndex、vLLM、HippoRAG、RAPTOR、Microsoft GraphRAG 以及 OpenAI API）。各上游套件版本變更、API 模型端點行為演進及非確定性生成，意味著獨立重跑實驗可能產生微幅波動。
- 結論定位： 本文報告之所有實驗指標均為作者論文原載數據，非外部第三方獨立完整重跑結果；代碼庫足以支援工程師實作相似流程之 POC，但難以無條件進行百分之百位元級的確定性重現。

Bloss0m 工程判斷與不適用條件

依據客觀證據，Bloss0m 制定之檢索架構選型矩陣與不適用清單如下：

業務場景與查詢特性	架構推薦決策	關鍵工程依據
以單跳 FAQ、具體名詞定義、細節規格查詢為主	堅決維持傳統向量 RAG	Table 1 證實 RAG 在 NQ 單跳達 64.78% F1 領先全場；導入圖結構只會白白浪費 40 倍建圖成本與增加檢索延遲。
嚴格要求防範幻覺、拒答敏感的生產環境	禁止使用 Community-Global	Table 2 顯示 Community-Global 在無答案題目上拒答率僅 19.27%（RAG 為 96.01%），存在巨大的法規與合規風險。
高頻增刪改查、即時性要求高（Freshness < 1 小時）	暫緩導入全量 GraphRAG	圖譜重建極其昂貴（Table 4 需數千秒），目前缺乏成熟穩定的工業級增量社群重算方案。
跨文檔實體關係密集（如金融舞弊追查、醫療診斷路徑）	採用 HippoRAG2 型圖引導 RAG	Table 2 總評達 70.27%，兼顧圖拓撲走訪優勢與原始文本塊的上下文保真度。
需要全庫宏觀綜述（如產業趨勢報告自動生成）	評估 Community-Global（需防護）	在時間軸（53.34%）與宏觀對比（64.02%）有明顯信號；但必須搭配檢索後過濾器與防幻覺校驗。
異質混合查詢流量	部署 Selection 智慧路由層	透過小型分類器（如 Figure 7 Prompt）分流單跳與多跳查詢，以最低系統代價獲取整體效能最優解。

什麼時候不要用 GraphRAG（不適用警訊）

沒有明確關係鏈需求： 若業務知識庫 80% 以上查詢均能透過 1–2 個段落直接回答，建圖純屬浪費資源。
對 p95 延遲要求極端（< 300ms）： KG 檢索耗時為傳統 RAG 的數倍以上，無法滿足即時互動介面的 SLA。
沒有圖譜維護與資料治理人力： 圖譜的實體抽取對 Prompt 與 LLM 敏感，缺乏本體（Ontology）規範與監控將導致圖譜快速腐化。
打算在小模型（8B）上直接做雙路拼接（Integration）： 實驗顯示過長且異質的上下文會分散小模型注意力，甚至破壞拒答能力。

讀完後的三個記憶點

技術本質： GraphRAG 不是單一算法，而是包含 KG-based、Community-based、Text-centric 與 Hierarchical 四種完全不同拓撲的設計家族。其核心價值是提供跨文本的「關係與全局結構先驗」，而非取代傳統向量檢索。
核心證據： 在公平受控測試下，傳統向量 RAG 在單跳事實（NQ F1 64.78%）與防幻覺拒答（Null 96.01%）上強烈領先；HippoRAG2 在多跳綜合表現最佳（70.27%）；Community-Global 雖擅長宏觀時間線（53.34%），但拒答率暴跌至 19.27%，且建圖成本高達 RAG 的 41 至 57 倍。
工程邊界： 拒絕以平均分數作為技術選型標準。應依據問題的「證據拓撲」導入 Selection 路由機制，將局部事實保留給輕快廉價的向量 RAG，僅在多跳關聯或全局概括時動態啟動圖引導檢索。

Primary sources

原始論文： Haoyu Han, Li Ma, Yu Wang, Harry Shomer, Yongjia Lei, Zhisheng Qi, Kai Guo, Zhigang Hua, Bo Long, Hui Liu, Charu C. Aggarwal, Jiliang Tang. RAG vs. GraphRAG: A Systematic Evaluation and Key Insights. arXiv:2502.11371 [cs.CL], 2025. arXiv:2502.11371 頁面 | PDF 下載
官方開源代碼： haoyuhan1/RAGvsGraphRAG（涵蓋 RAG、KG-GraphRAG、Microsoft GraphRAG、HippoRAG2 與評估腳本）。
關鍵關聯研究：
- Edge et al. From Local to Global: A Graph RAG Approach to Query-Focused Summarization. arXiv:2404.16130, 2024.
- Soman et al. HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models. NeurIPS 2024.
- Sarthi et al. RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval. ICLR 2024.