GraphRAG 是一种将知识图谱（Knowledge Graph）与大语言模型（LLM）深度融合的检索增强生成（RAG）方案，支持从非结构化文档中自动抽取实体、关系与属性，构建可推理、可演进的结构化知识图谱，并在问答过程中，结合图谱关系推理与语义检索，为复杂问题提供更精准的多跳推理答案。不同于传统 RAG，GraphRAG 以实体、属性与关系为核心组织知识，不仅让模型“找得到相关内容”，更能理解知识之间的内在关联，从而实现对具体业务场景的复杂知识深度理解、跨文档关联推理和可视化的知识管理与问答。
GraphRAG 适用于需要进行复杂关联分析、多跳推理与可解释问答的知识密集型业务场景。包括但不限于：
企业知识库问答
适用于文档规模大、知识分散的企业场景。通过自动构建企业知识图谱，实现跨文档、多实体的关联推理问答，提升复杂问题的检索与解答效率。
保险产品咨询
适用于保险条款复杂、产品与人群匹配关系多样的咨询场景。通过构建产品-条款-人群-疾病的关联图谱，支持多条件组合查询，提供清晰、可解释的投保建议。
医疗知识问答
适用于复杂医疗知识查询场景。通过构建疾病、药物与症状之间的关系，支持药物相互作用与治疗方案等复杂问题的关联推理。
金融风控分析
适用于企业关系复杂、需要进行风险分析的金融业务场景。通过构建企业、人物与交易关系图谱，支持多跳关系查询，快速识别潜在关联风险。
GraphSchema 定义了构建知识图谱需要识别和抽取的核心知识结构，由以下三类知识要素组成：
实体（Entity）：可独立存在的对象，是知识图谱中的基本节点，例如：人物、地点、物品、组织、产品。
属性（Attribute）：用于描述实体所具备的特征信息，例如：人物的年龄、性别等。属性作为实体的补充说明，不与其他属性直接构成关系。
关系（Relation）：用于描述实体之间，或实体与其属性之间的关系，例如“属于”“用于”“发生于”等。
三元组是知识图谱中最基本的表达单位，基本形式为：实体A，关系，实体B/属性 。三元组可以分为两类：
关系三元组（Relation Triple）：用于表示两个实体之间的语义关系，基本形式为：实体，关系，实体，例如：太平爱守护2021医疗保险，用于，被保险人。
属性三元组（Attribute Triple）：用于描述实体所具备的属性信息，关系默认为has_attribute，基本形式为：实体，has_attribute，属性，例如：被保险人，has_attribute，年龄20至40周岁。
图（Graph）是三元组集合的可视化展示，由节点（Node）和边（Edge）构成，其中节点代表实体或者属性，边代表节点之间的关系，共同构成可查询、可推理的知识网络。
进入知识管理页面，单击导入，上传所需文档。
等待文档状态显示为导入完成后，单击知识图谱，进入知识图谱界面。
首次进入时，该界面为空，顶部状态栏显示待生成，单击界面右上角按钮生成知识图谱，进入设置流程。
在知识图谱设置阶段，首先选择知识范围，支持以下三种范围：
全部知识：对知识库中的所有文档进行图谱构建。
按特定知识：选择指定文档进行图谱构建。
按标签：选择特定标签下的文档。
在设置 Graph Schema 阶段，您可以通过以下三种方式配置图谱结构：
方式一：使用预置模板
单击模板，平台提供多个行业的预置模板，用户能够根据需要进行选择。
单击添加扩展，选择的 Schema 模板内容将自动回填 Graph Schema 表格中。
单击生成图谱，系统将弹出确认弹窗，用户确认后，进入知识图谱的构建阶段。
方式二：自定义设置
手动定义实体、关系和属性类型：
在实体类型中输入需要识别的实体类型。
在关系类型中定义实体间的关系类型。
在属性类型中设置实体的属性维度。
方式三：AI 一键扩展
基于已填写的 Graph Schema，单击一键扩展，大模型将结合填写内容与知识库文档信息，自动推理并进行内容扩展。
单击应用后将更新输入框中原有的 Graph Schema内容。
知识图谱设置完成后，您可以选择单击仅保存设置，暂存知识图谱的设置项，也可以单击生成图谱，确认操作后，进入知识图谱构建阶段，页面顶部状态栏显示为生成中，知识图谱构建的时间较长，此时关闭页面也不会影响知识图谱的生成。
图谱构建完成后，您可以在左侧边栏的图谱详情中查看图谱的整体统计信息，并通过点击实体、属性或关系，快速对知识图谱进行筛选。
基础信息：展示知识范围、文档数量、切片数量及 Graph Schema 配置，支持对知识范围和 Graph Schema 查看与编辑。
实体类型：展示实体总数及类型分布，点击某一实体类型后，将高亮展示对应类型的实体节点。
属性类型：展示属性总数及类型分布，点击某一属性类型后，将高亮展示对应类型的实体节点。
关系类型：展示关系总数及类型分布，点击某一关系类型后，将高亮展示对应关系边及两端的节点。
在知识图谱画布中，支持以下操作：
单击搜索图标，输入实体、属性或关系进行检索定位。
支持在网格视图与列表视图之间切换。
支持将当前图谱内容保存为图片。
网格视图 | 列表视图 |
| |
在网格视图中，通过不同颜色区分实体属性和关系，支持缩放、平移及节点搜索等操作，支持将当前视图导出为图片。 | 在列表视图中，通过表格的形式展示三元组数据，支持通过关键词搜索。 |
单击知识图谱的节点或关系边，可高亮显示所选对象及其关联内容，并支持在右侧边栏查看详细信息。
实体节点详细信息 | 属性节点详细信息 | 关系边详细信息 |
| | |
基础信息：展示实体名称和实体类型 包含属性：包含的属性类型和属性内容。 参考来源：知识来源的文档名称和切片内容。 | 基础信息：展示属性名称和属性类型 所属实体：所属实体的类型和实体名称。 参考来源：知识来源的文档名称和切片内容。 | 基础信息：关系名称及连接的节点信息。 参考来源：知识来源的文档名称和切片内容。 |
系统会自动检测知识库和知识图谱设置的变更情况提示用户进行更新。
知识库更新
当知识库有新增文档时，知识管理页面的知识图谱入口显示红点提醒。
在知识图谱页面，顶部状态栏出现提示：知识库有更新，请更新知识图谱。
单击更新知识图谱，用户确认操作后进行知识图谱的更新，此时顶部操作状态栏为更新中。
更新后知识图谱的效果展示。
知识图谱设置更新
在图谱详情的基本信息，支持单击编辑对知识范围和 Graph Schema 进行修改。
修改后，您可以直接单击更新图谱，确认操作后进行知识图谱的更新，也可以选择单击仅保存设置，此时系统将保存知识图谱的设置项，暂不更新。
此时顶部状态栏显示为待更新。
注意：
当知识范围发生变更：
当扩大知识图谱的知识范围时，系统将基于新增文档进行增量构建，并产生相应的 Token 消耗。
当从知识范围中移除文档时，对应的图谱内容（三元组数据）将被删除，且无法恢复。
若按文档标签生成图谱，当用户修改某一文档的标签，使其不再属于当前图谱构建范围内的标签时，该操作等效于删除该文档，其对应的三元组将同步删除。
当进行文档解析干预操作：
当文档被重新解析或进行切分干预后，系统将删除原有对应的三元组数据。
点击“重新生成”后，系统将基于最新的解析与切分结果重新构建该文档对应的图谱内容。
当 Graph Schema 变更：
修改 Graph Schema 将影响三元组抽取逻辑。
系统会覆盖现有图谱结果并执行全量重建，该过程可能产生较高的 Token 消耗，请谨慎操作。
以标准模式应用保险业务助手为例展示知识图谱检索问答。
在知识管理页面上传所需文档并生成知识图谱后，回到应用设置页面，在知识库检索设置中，打开知识图谱检索开关。
进行问答后，应用回复的参考来源将展示知识图谱条目，支持单击查看对应的关联内容。
说明：
开启知识图谱检索后，系统会结合知识图谱中的实体与关系结构进行语义检索，但可能会影响应用回复耗时。
目前仅支持标准模式进行知识图谱检索问答，后续也会支持工作流和 Multi-Agent 模式应用进行知识图谱检索。
传统 RAG：将文档切片后向量化存储，通过语义相似度检索相关片段，适合简单的事实性问答。
GraphRAG：在传统 RAG 基础上，增加了知识图谱构建环节，将文档中的知识抽取为结构化的三元组，支持更复杂的多跳推理问答。
图谱构建时间取决于：
文档数量和总字数。
Schema 复杂度。
所选用的模型。
一般情况下，首次构建可能需要较长时间，后续增量更新会快很多。
1. 精选 Schema：根据业务场景选择合适的预置模板，或自定义关键的实体和关系类型。
2. 控制知识范围：优先选择核心文档进行构建。
3. 使用 AI 扩展：利用 AI 一键扩展功能，自动补充遗漏的实体和关系类型。
4. 迭代优化：查看构建结果，根据实际效果调整 Schema 配置。
当前版本的图谱构建和检索都是基于单个知识库。如果应用关联多个知识库，只有完成图谱构建的知识库才支持图谱检索。
注意：
由于知识图谱构建会消耗大量 Token，使用前请确保：
已完成知识库的文档上传和解析。
根据业务场景选择正确的知识范围并配置合适的 Graph Schema。
