AI测试入门：什么是 Graph RAG（基于知识图谱的检索增强生成）？

前言

传统的RAG方法主要依赖于从大量文档中抽取文本片段来辅助LLM生成答案或内容。但这种方法存在一定的局限性，如缺乏足够的上下文信息、事实准确性和语言精确性等。为了解决这些问题，Graph RAG作为一种新兴的方法应运而生。

1. 什么是Graph RAG？

Graph RAG（Graph Retrieval-Augmented Generation）是在传统的RAG基础上发展起来的，它通过引入图数据库技术，更加丰富和结构化的上下文信息，增强了LLM的理解深度和准确性。

2. 工作原理

Graph RAG的核心思想是利用图数据库来存储和管理实体及其关系，从而为LLM提供更为丰富的上下文信息。

Graph RAG的工作流程可以分为以下几个步骤：

• 实体提取：首先，从大量的文档和数据源中提取