我要投稿

从安装到配置，带你跑通GraphRAG

发布日期：2024-11-12 18:46:45 浏览次数： 2843

作者：AI科技论谈

微信搜一搜，关注“AI科技论谈”

使用GraphRAG提升信息检索相关性。

GraphRAG是传统RAG的升级版，通过索引和查询两大阶段，实现了信息的图结构化处理和社区检测技术，从而提升信息检索的上下文相关性。本文为大家详细介绍GraphRAG的设置和应用方法。

1 GraphRAG

GraphRAG 是传统 RAG 的升级版，主要分为索引和查询两个阶段：

索引阶段：

源文档被拆分为子文档，进行实体和关系提取，构建知识图谱，形成社区结构，并生成多层次摘要。

查询阶段：

根据用户需求，选择合适的社区级别检索，整合多个社区的响应，形成全面答案。

GraphRAG 的创新在于利用图结构化信息和社区检测技术，提升回答的上下文相关性，但其计算成本要高于传统 RAG，后者在成本效益上仍有优势。

2 GraphRAG 设置指南

2.1 环境与安装

创建并激活虚拟环境：

conda create -n GraphRAG
conda activate GraphRAG

安装 GraphRAG 包：

pip install graphrag

2.2 目录结构

创建工作目录，并在其中建立 ragtest/input 文件夹。
将源文档放入 input 文件夹。

2.3 配置与初始化

初始化工作空间并创建配置文件：

python -m graphrag.index --init --root ./target

在 settings.yml 中设置 OpenAI API 密钥和模型配置。

2.4 构建与查询

构建知识图谱：

python -m graphrag.index --init --root ./target

执行查询：

全局查询：

python -m graphrag.query --root ./target --method global "这个故事的主题是什么"

局部查询：

python -m graphrag.query --root ./target --method local "这个故事的主题是什么"

通过以上步骤，可设置并使用 GraphRAG 进行有效的信息检索。

3 GraphRAG成本分析

测试结果显示，GraphRAG处理每本书的费用约为7美元，主要包括：

GPT-4 API调用约570次；
嵌入请求约25次；
处理超过100万标记。

这些数据可作为评估GraphRAG性价比的参考。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-02-06

RAG 落地全干货深度分享：从“效果不理想”到生产级 RAG 系统的进化之路

2026-02-06

效率神器 Claude-Mem：终结 AI “金鱼记忆”！自动保存上下文、可视化记忆流，开发体验提升 10 倍！

2026-02-06

告别“伪智能”代码：用 Spec + RAG 打造真正懂你的AI程序员

2026-02-05

向量，向量化，向量数据库和向量计算

2026-02-05

从 RAG 到 Agentic Search，一次关于信任 AI 判断的认知升级

2026-02-04

Claude Cowork 真能替换 RAG ？

2026-02-03

使用 Agent Skills 做知识库检索，能比传统 RAG 效果更好吗？

2026-02-03

告别向量数据库！PageIndex：让AI像人类专家一样阅读长文档

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

RAG 深度解读：检索增强生成如何改变人工智能

2025-12-04

大模型RAG入门宝典｜从AI搜索到实战搭建，小白&程序员必收藏的检索增强指南

2025-12-03

RAGFlow v0.22.0 发布：数据源同步、变量聚合、全新管理界面与多项重大更新

2025-11-13

企业级 AI Agent规模化落地的避坑指南，就藏在这四大趋势里

2025-12-02

5步构建企业级RAG应用：Dify与LangChain v1.0集成实战

2025-11-13

2026 年你需要了解的 RAG 全解析

2026-01-15

如何用NotebookLM，把枯燥的财报解读成精美的PPT？

2026-01-02

Embedding模型选型思路：相似度高不再代表检索准确（文末附实战指南）

2025-12-07

为什么Claude Code不用RAG？

2025-12-23

从 RAG 到 Context：2025 年 RAG 技术年终总结

2025-12-18

大家都在问

Claude Cowork 真能替换 RAG ？

2026-02-04

使用 Agent Skills 做知识库检索，能比传统 RAG 效果更好吗？

2026-02-03

为什么 RAG 越用越慢？如何反向调优？

2026-01-19

NotebookLM如何在48小时内分析2万份论文？

2026-01-12

都有混合检索与智能路由了，谁还在给RAG赛博哭坟？

2026-01-08

如何用NotebookLM，把枯燥的财报解读成精美的PPT？

2026-01-02

为什么Claude Code不用RAG？

2025-12-23

终于，NotebookLM 和 Gemini 合体了。这是什么神之更新？

2025-12-21

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean