《GraphRAG 核心实战：从 Leiden 算法到层级化摘要，构建 AI 的“上帝视角”》

在前两篇文章中，我们解决了 RAG 的“碎片化”痛点，通过“实体对齐”清洗了数据，并利用 Leiden 算法完成了图谱的“社区检测”。

现在，你的知识图谱已经具备了清晰的拓扑结构。但面对一个宏观问题（例如：“这份 500 页的行业报告主要讲了哪几个核心趋势？”），仅仅有结构是不够的。我们需要让 LLM 能够“读懂”这些结构。

这就是GraphRAG 索引阶段的核心魔法：利用 LLM 为每个社区生成摘要，并层层向上汇总。

1. 为什么需要“层级化摘要”？

传统的 RAG 是扁平的。当你问一个宏观问题时，系统只能随机抓取一些切片，或者检索排名靠前的几个片段。这就像是你问向导“这个城市怎么样”，他却只给你背了一段关于“某条街道垃圾桶位置”的描述。

而在 GraphRAG 中，我们通过社区检测建立了一个树状结构（Tree Structure）：

• 叶子节点（Level 0）：最小的社区，包含具体的实体和关系（如：具体的某几款芯片型号及其参数）。
• 中间节点（Level 1-N）：由下层社区合并而成的大社区（如：整个“半导体制造”板块）。
• 根节点（Root）：整个图谱的全局摘要。

这种结构让 AI 拥有了类似人类专家的“归纳能力”。

2. 核心流程：自下而上的信息压缩

这个过程完全由 Prompt 驱动，是一个自动化的流水线：

1. 生成底层描述：
   首先，LLM 会遍历每一个最小的社区（Leaf Community）。它会读取该社区内所有的实体（Entities）、关系（Relationships）以及原始的文本块（Text Units）。

   Prompt 示例思路：“你是一个分析专家。请根据以下实体列表、关系列表和源文本，为该社区生成一段详尽的摘要。摘要应包含该社区涉及的主要主题、关键实体及其相互作用。”

2. 层级聚合：
   一旦所有 Level 0 的社区都有了摘要，算法就会将这些摘要作为输入，传递给上一层级的父社区。

   Prompt 示例思路：“以下是属于‘人工智能硬件’这一大类下的几个子领域的摘要。请综合这些信息，为‘人工智能硬件’这一更高层级的概念生成一份更宏观的报告。”

3. 循环直至根节点：
   这个过程不断重复，直到生成整个图谱的根节点摘要。最终，你得到了一棵内容丰富的知识树。

3. 查询时的“全局搜索”模式

有了这棵树，当用户发起查询时，GraphRAG 就可以启用**全局搜索（Global Search）**模式：

• 传统 RAG：检索 -> 找到 Top-K 个切片 -> 扔给 LLM 回答。
• GraphRAG 全局搜索：
  1. 并行查询多个层级的社区摘要。
  2. 筛选出与问题最相关的几个“分支”（比如用户问“风险”，系统可能定位到“供应链风险”和“合规风险”这两个分支的摘要）。
  3. 将这些高度浓缩的摘要作为上下文喂给 LLM。

效果对比：
如果问“报告中提到了哪些关于‘特斯拉’的关键信息？”

• 普通 RAG可能会漏掉分散在第 100 页和第 300 页的信息。
• GraphRAG会直接调取包含“特斯拉”实体的那个社区的摘要，甚至调取上一层级“新能源汽车市场”的摘要，从而给出一个既包含细节又有行业背景的完美回答。

4. 避坑指南：Token 消耗与成本控制

虽然这套机制非常强大，但它也是“吞金兽”。

• 索引成本高：你需要为成百上千个社区调用 LLM 进行摘要生成。
• 优化策略：
  • 过滤噪声：在生成摘要前，先通过算法过滤掉度数（Degree）太低的孤立节点，不要为它们浪费 Token。
  • 并发处理：同一层级的社区互不依赖，完全可以多线程/多进程并发调用 API。
  • 模型分级：底层细节摘要可以用稍弱的模型（如 GPT-4o-mini），顶层宏观摘要再用最强模型（如 GPT-4o），以平衡成本与质量。

5. 总结

通过引入社区检测和层级化摘要，我们实际上是在用计算换智能。我们把非结构化文档变成了结构化的“知识地图”。

至此，我们已经完成了 GraphRAG 最核心的**索引（Indexing）**部分。但在实际工程中，如何存储这些复杂的图结构和摘要？如何进行高效的混合检索？

下一篇，我们将进入工程落地环节：《GraphRAG 存储与检索架构：Neo4j 与向量数据库的混合双打》，带你打通 GraphRAG 的最后一公里。