GraphRAG（图谱检索增强生成）

传统RAG基于向量检索文本片段，难以捕捉实体间的多跳关系。GraphRAG在检索阶段引入知识图谱，将文档转化为实体和关系图，利用图遍历和子图检索获取结构化上下文，再输入大模型生成答案。它尤其适合需要多跳推理、全局摘要或跨文档关联的任务，如学术研究、企业知识管理。微软等机构已推出开源实现，显著提升了回答的准确性和可解释性。