已验证65% 置信解决方案精确时间
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
3
来源数
65%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
已验证GraphRAG的核心是把知识图谱融入传统RAG流程，以三元组（两个实体及其关系）形式组织信息77% 相似待验证GraphRAG（基于知识图谱的检索增强）和Contextual Retrieval（上下文感知检索）是RAG技术的近期进展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76% 相似已验证GraphRAG通过社区检测算法（如Leiden算法）对知识图谱进行层次化聚类，生成不同粒度的社区摘要76% 相似待验证图遍历与向量检索的混合使用是 GraphRAG 区别于传统 RAG 的核心技术特征75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/923677API
curl https://kongchang.com/api/v1/knowledge/claims/923677MCP
get_claim(id=923677)