GraphRAG 适用于文档密集、关系复杂的知识管理场景,其价值集中在全局理解与关系推理。
1. 支撑全局性问题解答
- 面对"这批文档的核心主题是什么"一类问题,GraphRAG 能够基于社区摘要进行整体归纳
- 这类能力是传统向量 RAG 难以覆盖的,因为答案并不集中在单一文本块中
2. 挖掘跨文档关系
- 知识图谱将分散在大量文档中的实体与关系连接起来,便于发现隐含关联
- 在合规审查、研究综述、情报分析等需要跨文档推理的场景中价值突出
3. 提升回答可解释性
- 每个回答都可追溯到具体的实体、关系与源文本片段,具备清晰的证据来源
- 可溯源性对法律、金融等强监管行业的知识应用尤为重要