之前咱们已经系统介绍了Native RAG的基本原理和使用。大家已经可以借助各种平台搭建属于自己的知识库了。
Native RAG的好处是上手比较容易，但缺点就是上限不高，无法建立块跟块之间的联系，检索效果往往只能达到6-70分的水平，根本不敢上生产。
那么今天咱们就开个新坑来聊聊Graph RAG，看看它是怎么解决复杂知识场景的。
Native RAG回顾
咱们先来简单复习一下Native RAG
Native RAG会有两个大的链路,入库和检索
入库链路主要会涉及到 数据清洗、数据分块、向量化等。检索链路主要涉及 检索优化、多路召回、结果重排、生成优化等。
不太了解的小伙伴也建议回去补补课：
Native RAG从理论到实践系列
Graph RAG是啥
GraphRAG 是一种结构化的、分层的检索增强生成（RAG）方法。
在知识库构建的时候，会把你的知识转化成Graph结构，并存储进Graph数据库中。
Graph数据库一般不会直接存储数据片段，而是会存储数据实体(Entity),并且会建立实体和实体之间的数据关系(Relationship)，这也是Graph RAG最重要的一个环节。
数据实体和数据关系
举个例子：
# 原文
电影雪季过客上映于2006年。这是一部剧情/爱情电影，豆瓣评分8.3分，2006年上映以来好评如潮。导演马克·埃文斯 ，主演艾伦·瑞克曼和埃米丽·汉普希尔。
# 实体一般都是有意义的名词，如:人名、地名、物品名等。
# 所以我们能够得到的实体是
雪季过客，2006年，剧情电影，爱情电影，豆瓣8.3分
马克·埃文斯，艾伦·瑞克曼，埃米丽·汉普希尔
# 实体关系用来描述两个实体之间的关联，一般都是动词
# 我们能得到的实体关系如下：
上映，分类，评分，导演，主演
# 最终我们得到一组实体&实体关系
Trunk1:
(雪季过客)-[上映]->(2006年)
Trunk2:
(雪季过客)-[类型]->(剧情)
(雪季过客)-[类型]->(爱情)
(雪季过客)-[豆瓣评分]->(8.3分)
Trunk3:
(雪季过客)-[导演]->(马克埃文斯)
(雪季过客)-[主演]->(艾伦瑞克曼)
(雪季过客)-[主演]->(艾米丽汉普希尔
数据存储到Graph数据库的样子如下：
那么在检索的时候，我们就能很轻松的顺着实体关系探索相关知识。
Native RAG 对比 Graph RAG
现在我有一批电影的数据，大概几万部电影
每一部电影的数据长这样：
使用Native RAG进行分块、向量化之后，我们可以很轻松的召回电影的数据。
# 例子1
Q:雪季过客啥时候上映的？
A:2006年
# 例子2
Q:雪季过客导演是谁？
A:马克·埃文斯,同时他也担任本片的编剧。
由于我们把每一步影片的基本信息当做一个Chunk存储在向量库中，那么我们很容易能够回答有关这部电影的所有问题。
但是，如果问题变成：
# 例子1
Q:雪季过客的导演还出品过哪些影片？
# 例子2
Q:今年一共上映了有多少部日本电影？
由于知识库里面，并没有这样的数据，所以检索的效果就不会太好，或者说需要在工程上做很多的补偿才能够勉强达到效果。
但是使用Graph RAG就能够很轻松的查询相关数据。
Graph RAG的工作机制
Graph RAG的实现机制会比Native RAG复杂很多。但是总体来说也是两个大的模块，数据构建和数据检索。
数据构建
数据构建主要会经过如下的几个步骤：
详细的流程见下图：
数据检索
数据检索其实有非常多的策略，需要根据不同的情况进行调整，咱们后续的文章也会详细介绍。
这里介绍两种：
全局搜索Global Search）:检索社区摘要信息并返回。本地搜索（Local Search）:检索实体信息，并通过实体关系扩大搜索面积。
大致的原理如下图：
体验Graph RAG
了解了基本原理后，咱们就来实际上手体验一下。使用Coze工作流搭建一个简单的GraphRAG。
Graph数据库
首先咱们要选择一款Graph数据库，这里咱们使用Neo4j。
https://console.neo4j.io/
支持本地部署和在线使用两种方式，咱们可以先使用他的免费体验版。
创建实例之后，点击Query就可以连接到咱们的数据库了，右侧可以编写Cypher查询语句操作数据库。
注意创建实例的时候会生成数据库的账号和密码，要妥善保管，后续会需要用到。
Cypher
咱们简单知道Cypher语句，类似SQL就好了，可以操作数据库进行增删改查。
这里放几个最简单的例子，感兴趣的可以自己去看官方文档。
# 创建一个实体"电影"，名字叫拯救大兵瑞恩
CREATE(m:电影{name:"拯救大兵瑞恩"})
# 创建另一个实体"人员"，名字叫汤姆汉克斯
CREATE(p:人员{name:"汤姆汉克斯"})
# 创建一个关系，拯救大兵的主演是汤姆汉克斯
CREATE(m)-[:主演]->(p)
# 找到所有的电影和他们的主演，并返回
MATCH(m:电影)-[:主演]-(p:人员)
RETURN m.name, p.name
把上面的查询语句复制到查询框中就可以体验GraphRAG了
Coze工作流搭建电影知识图谱
完成之后的基本功能示例：
# 示例1
紫日的导演还出出品过什么其他电影？
# 示例2
有哪些日语电影？
# 示例3
紫日的基本介绍？
为了方便演示和大家理解，这里不引入向量数据库，直接构建查询语句操作图数据库。
知识图谱构建
首先使用一个循环处理多条数据：
从远端获取电影数据 清洗数据，去除无用数据 调用大模型提取实体，并生成查询语句 调用接口插入数据到数据库
实体、实体关系提取
其实工作流非常简单，核心是如何提取实体，这里的提示词需要根据不同的业务、数据场景进行调整。
# 角色
实体提取大师
# 任务
1. 根据输入的数据，尽可能全面的提取实体和实体关系，并建立实体和实体之间的关联。
2. 实体必须从[实体列表]中选取，不得创造实体。
3. 实体关系必须从[实体关系列表]中选取，不得创造实体关系。
4. 实体具备属性，参考[实体属性表]，不得创造实体属性。
4. 不要解释，不要额外输出其他内容，严格按照输出的要求进行。
5. 最终转换成Cypher格式，方便我直接插入到neo4j数据库中。
# 实体列表
[影片, 语种...]
# 实体关系
[分类，语言...]
# 实体列表和实体关系的映射
(影片)-[上映时间]->(年份)
...
# 实体属性表
(影片{name:"String", intro:"String"})
...
# 输出示例
MERGE(m:影片{name:"拯救大兵",intro:"故事发生在..."})
MERGE(l:语种{name:"英语"})
MERGE(m)-[n:语言]-[l]
...
调用neo4j数据库
咱们使用http模块直接调用即可：
# $id 是你的数据库实例ID，在neo4j实例页面可以看到
# $key 是你的账号密码base64
# $query 你的实际查询query
# 在命令行中使用这个命令生成$key：echo -n "你的账号:你的密码" | base64
# 账号密码创建neo4j实例的时候有保存。
curl -X POST "https://$id.databases.neo4j.io/db/neo4j/query/v2" \
-H "Authorization: Basic $key" \
-H "Content-Type: application/json" \
-d '{
"statement": "$query",
"parameters": {}
}'
知识图谱检索
使用大模型识别用户的意图，并拆解成Cypher查询语句。 实际查询数据。 根据查询到的数据和用户问题总结答案。
实体检索提示词
# 角色
neo4j数据检索助手
# 任务
1. 理解用户的问题，并把用户的问题转化成Cypher查询语句。
2. 从图数据库中尽可能全面的查询和用户问题相关的内容。
3. 不需要回答用户的问题，也不需要解释。
4. 只需要输出Cypher的查询语句，方便我后续直接调用neo4j数据库。
5. 可用的实体列表、实体关系、映射关系见下图。
6. 不要自己创造实体、实体关系和映射关系。
# 实体列表
[影片...]
# 实体关系
[分类...]
# 实体列表和实体关系的映射
(影片)-[上映时间]->(年份)
...
# 实体属性表
(影片{name:"String", intro:"String"})
...
# 输出示例
Q: 找到1994年安东尼导演的作品。
MATCH(m:影片)-[:上映时间]->(n:年份{name:1994}) WITH m MATCH(m)-[:导演]->(p:人员{name:"安东尼"}) RETURN p.name as name
结果预览
由于样例数据不多，所以检索的结果不代表真实情况哈，如果想要获得很好的检索效果，需要导入全量的电影数据。
# 示例1
Q: 有哪些日本电影？
A: 有以下日本电影：《驾驶我的车》《世界奇妙物语 06秋之特别篇》《何时是读书天》《隐剑鬼爪》《哆啦A梦：大雄与风之使者》《宛如阿修罗》《星之声》《精灵宝可梦：水都的守护神 拉帝亚斯与拉帝欧斯》《GO!大暴走》《哆啦A梦：大雄与翼之勇者》《心动》《不夜城》《海上花》《烟花》。
# 示例2
Q:谁出演过两部以上的电影作品？
A:金城武出演过两部以上的电影作品。
# 示例3
Q:金城武都演了啥电影？
A:金城武出演的电影有《心动》《不夜城》。
总结
今天我们大概了解了Graph RAG的基本工作原理和能力边界，并且上手体验了一把Graph RAG。
目前的案例还比较简单，随着项目的深入，我们也会不断演进和迭代工作流。
