GraphRAG 的社区层级是如何划分的？

GraphRAG 通过 Leiden 算法生成多层级的社区结构，形成从宏观到微观的层级索引。

1. 多层级社区结构

• 社区被组织为层级结构，顶层是覆盖范围广的宏观社区，底层是粒度更细的微观社区
• 高层社区用于把握整体主题，低层社区用于聚焦具体实体群组
• 这种层级划分使系统能够在不同抽象粒度上回答不同类型的问题

2. 社区摘要的生成

• 系统为每个层级的每个社区预生成一份社区摘要（Community Report）
• 摘要通常包含标题、内容概述、关键洞察、重要性评级以及指向源文本的引用
• 高层社区的摘要会用子社区摘要替换冗余细节，从而在有限上下文内承载更大范围的信息

3. 层级索引的价值

• 层级化的社区摘要构成了可复用的结构化索引，查询时无需重新扫描全部原始文本
• 面对全局性问题时，系统可直接调用高层社区摘要进行归纳，显著提升查询效率
• 层级结构是 GraphRAG 能够"俯瞰全局"的核心机制