从RAG到GraphRAG：企业知识库问答系统搭建实战

在企业知识库应用中，传统 RAG 已能回答事实型问题，可是当问题涉及跨文档、多跳关系时，答案往往支离破碎。GraphRAG 通过引入知识图谱，让检索器在实体关系上行走，从而支持复杂问答。本文从文档清洗切片、向量库选型、RAG 问题分析，到 GraphRAG 开源实现，一步步带您搭建生产可用的知识库问答系统。

1. 企业文档清洗与切片策略

1.1 清洗

移除页眉页脚、页码、水印、超链接。
对扫描件做 OCR 和版面分析，防止表格错乱。
用正则排除乱码与重复内容，统一编码并转为 UTF-8。

1.2 结构解析

用标题层级切分文档树，必要时抽取标题-正文-表格的最小单元。可用 `unstructured` 或 `pdfplumber`，对复杂版面用 OCR 服务。

1.3 切片策略对比

切片策略	优点	缺点	适用场景
固定大小切片	实现简单，token 可控	切断语义	说明文档
段落切片	保持段落完整	长度不均匀	通常文档
章节切片	语义边界清晰	章节过长需拆分子块	技术手册、规范
语义切片	利用 embedding 相似聚类	计算成本高	复杂长文档

切片时需要保留上下文元数据，例如标题、页码、章节路径，供后续引用。推荐重叠比例为 10% 至 20%。

2. 向量数据库选型及对比

常见向量库有 Dedicated 产品（Pinecone）、开源分布式（Milvus）、轻量级（Chroma）、扩展自 PostgreSQL（pgvector）等。

名称	开源	分布式	混合搜索	性能	易用性
Milvus	✅	✅	✅	高	中
Qdrant	✅	部分	✅	高	高
Weaviate	✅	部分	✅	中	中
Chroma	✅	❌	部分	低	高
pgvector	✅	✅	需配合	中	高
Pinecone	❌	✅	✅	高	高

选型建议：如果已有 PostgreSQL 且数据量不大，先用 pgvector；若需大规模多租户，选 Milvus 或 Qdrant；平台工程团队缺失时用云服务。

3. 传统RAG问题与GraphRAG改进方案

3.1 传统 RAG 痛点

文本切片导致实体关系被切割；
向量检索只找相似片段，无法做多跳推理；
回答孤立事实，缺乏全局总结；
用户意图复杂时，召回片段不完整。

3.2 GraphRAG 的改进

将实体与关系显式建图，检索时先向量召回可能节点，再沿图扩充邻域，把相关子图作为上下文交给大模型，实现多跳推理和全局概览。

graph TD A[文档清洗与切片] --> B[实体与关系抽取] B --> C[(知识图谱)] B --> D[向量化] C --> E[GraphRAG 检索器] D --> E E --> F[大模型生成答案]

GraphRAG 可以回答如“某产品线去年的营收增长与哪些部门有关？”这类关联性问题，而传统 RAG 通常只给出相似片段。

4. 基于开源框架或云厂商平台实现

4.1 开源组合

知识图谱：Neo4j
向量存储：Qdrant（或 Milvus）
抽取链路：LlamaIndex 或微软 GraphRAG
大模型：GPT-4 或 Qwen

简单伪代码：

from graph_rag import GraphRAG
rag = GraphRAG(
 graph_db='neo4j://localhost:7687',
 vector_db='qdrant://localhost:6333',
 llm='qwen-plus'
)
rag.ingest_documents(file_name)
answer = rag.query('公司去年营收是多少？')
print(answer)

4.2 云厂商平台

阿里云：使用知识图谱 + 阿里云 OpenSearch 与百炼应用。
AWS：用 Neptune / Kendra 组合。
微软 Azure：使用 Neo4j Marketplace + Azure OpenAI。

云平台可快速建立基础设施，但需要注意数据出口合规和 token 费用。

操作清单

确定知识库范围与文件种类，建立清洗流程
试用至少 2 种切片策略，抽样验证召回质量
构建小型图谱（500 条文档）进行概念验证
比较 RAG 与 GraphRAG 在测试集上的准确率
设计权限与文档更新机制
增加日志、追踪和评估指标
上线前测试：崩溃、限流、隐私泄漏

避坑指南

清洗时忽略表格会造成严重信息丢失，务必启用表格抽取。
切片重叠过多会让向量库膨胀，要按实际收益调整。
向量库的 filtering 能力常被忽略，需按元数据权限过滤选型。
实体抽取要结合词典与 Prompt，否则图形同虚设。
GraphRAG 查询延迟可能高，建议预设社区摘要缓存。
输出答案必须附原文出处，便于追溯。
数据与模型调用都要合规，不在私有化环境中用未经批准的云模型。

免责声明

本文为技术教程，所涉及产品、商标归各自所有者所有。封面图来自 Unsplash，可能受到版权保护，仅作示例。推荐视频为平台检索入口，演示视频版权归原作者所有。本文内容不构成任何商业承诺，请在真实环境下自行验证。

从RAG到GraphRAG：企业知识库问答系统搭建实战

从RAG到GraphRAG：企业知识库问答系统搭建实战

1. 企业文档清洗与切片策略

1.1 清洗

1.2 结构解析

1.3 切片策略对比

2. 向量数据库选型及对比

3. 传统RAG问题与GraphRAG改进方案

3.1 传统 RAG 痛点

3.2 GraphRAG 的改进

4. 基于开源框架或云厂商平台实现

4.1 开源组合

4.2 云厂商平台

推荐视频

操作清单

避坑指南

免责声明

需要完整版教程？