1. 核心结论

• 知识图谱为 RAG 提供结构化的知识表示和推理能力
• Graph RAG 结合图结构和文本检索，提升复杂问答能力
• 构建和维护知识图谱需要额外的工程投入

2. 基础概念

知识图谱：用图结构表示实体和关系的知识表示方法 实体提取：从文本中识别关键实体和关系 图检索：基于图结构的遍历和查询方法 知识推理：基于图谱关系推导新知识的能力

3. 实战场景

• 复杂关系问答
• 组织架构查询
• 产品关联推荐
• 学术研究网络

4. 关联笔记

• Graph RAG
• RAG基础
• RAG应用场景