待验证50% 置信事实精确时间
Agentic GraphRAG的知识层使用Docling进行文档摄入，使用Chonkie进行分块，分块时保留文档章节结构、表格和段落层级，PDF还会记录页码位置。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
RAG与Agent记忆融合：Agentic GraphRAG如何让智能体不再遗忘
redditr/LangChain2026/10/19
涉及实体
相关事实
已验证GraphRAG的做法是从文档中抽取实体与关系，以节点和边形式存入图数据库，检索时先用向量召回候选节点再沿图的边做多跳推理77% 相似待验证Agentic GraphRAG Blueprint通过构建知识图谱并与向量搜索相结合，使答案能够跨越多个文档连接事实75% 相似待验证知识图谱把 AST 的结构输出变成一张显式地图——文件、函数、类作为节点，调用、导入、引用作为边——代理因此可以跨多个文件追踪依赖链。68% 相似待验证微软研究发现 GraphRAG 对于需要全局性理解整个文档集的问题相比朴素向量 RAG 提升尤为显著66% 相似待验证在LangChain/LangGraph生态中建议的分层存储：Messages存推理摘要与引用，Checkpoints存工作流运行状态，Store存跨会话持久化键值数据，外部对象存储存大体积长生命周期文件字节66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069349API
curl https://kongchang.com/api/v1/knowledge/claims/1069349MCP
get_claim(id=1069349)