处理阶段（概念）
处理阶段（概念）
1) 文本切分 → LLM 抽取实体 / 关系 / 声明
2) 构建图 → 社区检测（如 Leiden）→ 社区摘要
3) 查询：局部问题走实体邻域检索；全局问题走社区摘要 Map-Reduce与向量 RAG 互补：事实型问答用向量检索更直接，综述型 / 全局型问题考虑图谱或摘要索引。
GraphRAG 图谱增强检索
GraphRAG 先抽取实体与关系建知识图谱，再做社区检测与摘要，适合需要跨文档汇总的全局性问题；建图成本高于纯向量方案，适合高价值语料。
易错点
- 语料规模小或问题都偏局部时，建图成本换不来收益
- 实体抽取质量差会让图谱充满错连，摘要跟着失真
数据来源与参考
- Edge et al., From Local to Global: A Graph RAG Approach to Query-Focused Summarization, Microsoft, arXiv:2404.16130