ConceptGraphRAG
Graph RAG
Graph RAG（图增强检索生成）是一种将知识图谱与检索增强生成（RAG）技术相结合的信息检索与生成框架。其核心机制是将文本语料构建为图结构（节点表示实体，边表示关系），在检索阶段利用图的拓扑关系进行多跳推理和关联信息聚合，从而弥补传统RAG在处理复杂关联查询和全局语义理解方面的不足，最终将检索结果输入大语言模型以生成更准确、上下文更丰富的回答。
Core Facts
Timeline (last 90 days)
Aug 31
GitDecode采用的「知识图谱+大模型」方案可以理解为一种Graph RAG实践
Unverified50%
Jul 6
Advanced RAG引入查询重写、混合检索、重排序（Reranker）等机制提升召回质量，Modular RAG将检索、生成、验证等模块解耦
Unverified50%
Jul 2
Graph RAG通过知识图谱的实体和关系图遍历来处理多跳推理类问题，适用于文档间关系复杂的场景
Unverified50%
All Facts (5)
Verified
RAG的技术演进经历了三个阶段：Naive RAG、Advanced RAG和Modular RAG
80%Partially Verified知识图谱与RAG结合的Graph RAG被认为是当前效果最好的RAG方案之一
65%UnverifiedGitDecode采用的「知识图谱+大模型」方案可以理解为一种Graph RAG实践
50%UnverifiedAdvanced RAG引入查询重写、混合检索、重排序（Reranker）等机制提升召回质量，Modular RAG将检索、生成、验证等模块解耦
50%UnverifiedGraph RAG通过知识图谱的实体和关系图遍历来处理多跳推理类问题，适用于文档间关系复杂的场景
50%