这里写自定义目录标题欢迎使用Markdown编辑器一、传统 RAG 的瓶颈在哪里二、GraphRAG用知识图谱补上关系推理三、QA-GraphRAG查询自适应的检索框架四、高级 RAG 架构从检索一次到多级流水线4.1 多级检索流水线4.2 查询改写与路由4.3 混合检索与多模态4.4 反馈闭环五、GraphRAG 的落地实践5.1 图谱构建5.2 图谱存储与检索5.3 图谱维护六、MC-RAG多约束查询的结构化匹配七、如何选择向量 RAG 还是 GraphRAG八、我的几点思考新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# 从向量到图谱GraphRAG 与高级 RAG 架构演进一、传统 RAG 的瓶颈在哪里检索增强生成RAG已经成为大模型落地的主流技术但传统的基于向量的 RAG 在处理复杂查询时暴露出明显的局限。传统向量 RAG 的工作方式是把文档切分成小块用嵌入模型向量化查询时通过语义相似度检索最相关的片段。这种方案在处理简单事实查询时非常有效——比如公司的年假政策是什么检索到相关片段就能回答。但当查询需要多跳推理时问题就来了。比如哪些设备故障会导致生产线停机超过 8 小时且涉及 A 类备件——这个问题需要结合设备文档、故障记录、备件清单等多个文档才能回答。传统向量检索只能找到语义相似的片段无法理解实体之间的关联关系更无法沿着关系链进行推理。另一个问题是局部 vs 全局的失衡。向量检索擅长找到细节信息局部但不擅长回答需要全局综合的问题——比如公司过去一年的安全事故有哪些共性原因这类问题需要跨文档的综合分析单靠检索几个片段是回答不了的。二、GraphRAG用知识图谱补上关系推理GraphRAG图检索增强生成正是为了解决上述问题而提出的。它的核心思想是在文档之上构建知识图谱把实体设备、人员、规范、故障码和它们之间的关系“导致”“属于”“关联”用图结构组织起来。当工程师查询时系统不仅能召回文本片段还能沿着图结构拉取整张知识关系网。比如查询设备 X 的故障处理流程系统会检索到设备 X 的实体节点然后沿着故障码 → 处理规范 → 备件清单的关系链把相关的所有信息一并召回。GraphRAG 的优势在于一是支持多跳推理。通过图结构可以沿着实体关系链进行多步推理回答需要结合多个文档的问题。二是支持全局综合。通过图上的社区发现算法可以识别出主题相关的实体集群从而回答需要跨文档综合分析的问题。三是结果可解释。图结构天然提供了推理路径——答案是怎么一步步推导出来的每一步的依据是什么都可以可视化展示。三、QA-GraphRAG查询自适应的检索框架虽然 GraphRAG 解决了多跳推理问题但它也有自己的短板在处理简单的基于事实的查询时由于可能丢失详细的实体信息其表现经常不如基于向量的框架。针对这一痛点VLDB 2026 上发表的 QA-GraphRAG 提出了一种查询自适应的即插即用检索框架。它的核心思路是让图 RAG 框架自动识别查询特性动态调整检索策略。具体来说QA-GraphRAG 先把查询分为两类局部查询Local——仅需要简单的事实相关知识无需多跳或综合分析全局查询Global——需要更高层级的总结性知识通常依赖多跳推理或全局合成能力。然后系统根据查询类型动态选择检索策略局部查询走向量检索保留细节信息全局查询走图检索利用关系网络从而在两类查询上都取得最优表现。这种查询自适应的思路避免了传统双分支图 RAG 对所有查询不加区分地从两个分支检索所带来的计算成本和冗余信息。这个工作的价值在于它揭示了 RAG 系统设计的一个重要原则——没有一种检索策略是万能的好的系统应该根据查询特性动态调整策略。四、高级 RAG 架构从检索一次到多级流水线除了 GraphRAG2026 年的高级 RAG 架构还呈现出几个明显的演进方向。4.1 多级检索流水线传统 RAG 是检索一次、生成一次的静态流程。高级 RAG 则引入了多级流水线先粗召回快速过滤候选集再精排用交叉编码模型精确排序最后重写根据检索结果调整查询或上下文。每一级都有明确的优化目标整体效果远好于单次检索。4.2 查询改写与路由用户的原始查询往往不够精确。高级 RAG 引入了查询改写把口语化问题改写为精确的检索词和查询路由根据查询类型路由到不同的检索策略——向量检索、关键词检索、图检索、SQL 查询等。查询路由让系统能够对症下药不同类型的查询走不同的处理路径。4.3 混合检索与多模态混合检索结合向量检索语义匹配与关键词检索精确匹配通过加权评分提升召回率。多模态检索则支持文本、图像、视频的联合检索满足更复杂的信息需求。4.4 反馈闭环高级 RAG 引入了反馈闭环利用用户反馈点赞、点踩、纠错持续优化检索质量。用户的每一次反馈都是训练数据让系统越用越准。五、GraphRAG 的落地实践GraphRAG 的落地不是一蹴而就的它需要一套完整的工程流程。5.1 图谱构建图谱构建是 GraphRAG 的第一步也是最耗时的一步。核心任务是实体抽取与关系识别从文档中抽取实体设备、人员、规范、故障码等识别实体之间的关系“导致”“属于”关联等。实体抽取可以借助大模型完成把文档片段输入模型让模型输出结构化的实体-关系三元组头实体、关系、尾实体。抽取结果需要人工审核因为错误的实体或关系会污染整个图谱。5.2 图谱存储与检索构建好的知识图谱需要存储在图数据库中如 Neo4j、NebulaGraph。检索时系统把查询转化为图查询如 Cypher沿着实体关系链检索相关子图。图谱检索与向量检索的融合是实践中的关键先用向量检索找到相关的实体节点再沿着图结构扩展检索范围把相关的子图一并召回。这种向量定位 图谱扩展的组合兼顾了语义匹配和关系推理。5.3 图谱维护知识是动态变化的图谱也需要持续维护。新文档入库时需要增量抽取实体和关系更新图谱过时的实体和关系需要淘汰。图谱维护的成本不低需要建立自动化流程和人工审核机制。六、MC-RAG多约束查询的结构化匹配在 GraphRAG 的基础上学术界还在探索更精细的检索范式。中国农业大学谢淼团队提出的 MC-RAG 系统将多约束查询建模为知识图谱上的子图匹配问题。传统 RAG 依赖文本块与问题之间的语义相似度进行检索能够为简单事实问答提供支持但在需要同时满足多个条件的场景中往往难以保证检索证据完整覆盖用户问题中的全部约束。MC-RAG 的核心思想是将传统基于相似度排序的检索过程转化为面向约束满足的结构化匹配过程。比如查询找出所有在 2023 年入职、职级为 P7、且参与过至少两个 AI 项目的员工MC-RAG 会把这个多约束查询建模为图上的子图匹配问题通过结构化匹配确保每个约束都被满足。MC-RAG 的另一个亮点是过程可观察、证据可验证。用户不仅能够获得最终答案还可以直观看到答案背后的查询图、匹配子图、约束验证结果和推理链条从而判断系统是否真正满足问题中的每一项条件。这种可解释性对于医疗、金融等对准确性要求极高的领域尤为重要。七、如何选择向量 RAG 还是 GraphRAG面对多种 RAG 方案开发者该如何选择我的建议是从业务需求出发而不是从技术潮流出发。如果知识库以文档为主查询以简单事实问答为主传统的向量 RAG 已经足够不需要引入图谱的复杂度。如果知识库包含大量实体关系设备、人员、流程、规范查询需要多跳推理或全局综合GraphRAG 值得投入。如果查询类型多样既有简单事实又有复杂推理查询自适应的混合方案如 QA-GraphRAG 的思路是最佳选择——根据查询特性动态选择检索策略。八、我的几点思考RAG 的演进本质上是从文本匹配走向知识理解的过程。向量 RAG 理解的是语义相似GraphRAG 理解的是实体关系MC-RAG 理解的是约束满足。每一步演进都让系统对知识的理解更深一层。但也要清醒地看到图谱的构建成本不低——实体抽取、关系识别、图谱维护都需要投入。GraphRAG 不是银弹它适合知识结构清晰、关系密集的场景。最后无论选择哪种 RAG 方案评测都是不可省略的一环。建立覆盖不同类型查询的评测集量化系统的召回率、准确率、多跳推理能力用数据驱动优化才是 RAG 落地的最优路径。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞​tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎