GraphRAG 的提示词调优为什么重要？

提示词调优直接影响知识图谱的抽取质量，是 GraphRAG 落地中不可忽视的关键环节。

1. 抽取质量依赖提示词

• 实体、关系与声明的抽取完全由大语言模型基于提示词完成，提示词质量决定图谱质量
• 默认提示词面向通用的命名实体（人物、地点、组织），适用于广泛场景
• 对于科学、医学、法律等专业领域，通用提示词可能遗漏领域特定的实体类型

2. 领域自适应的方式

• 主要通过提供领域特定的少样本示例进行上下文学习，提升专业领域的抽取精度
• GraphRAG 支持自动提示词调优与手动调优两种方式，官方文档建议针对自有数据进行迭代优化

3. 开箱即用的局限

• 官方明确提示，未经调优的抽取结果可能未达预期，推荐通过迭代配置获得理想效果
• 提示词调优需要结合实体抽取、社区层级与检索模式等因素综合实验