GraphRAG 技术难点有哪些?

这道题其实是在问，当你想把[[知识图谱]]和[[RAG]]结合起来的时候，怎么在结构化带来的精度提升和检索效率之间做平衡。我先说图谱构建。难点是把非结构化文本转成结构化知识时，信息损失很大。比如做[[NER]]和[[关系抽取]]，级联误差会累积，开放域下实体边界很模糊。这里有一个关键取舍：预定义schema能保证质量但覆盖不全，开放抽取又太稀疏混乱。我倾向于用双轨策略，高置信的结构化数据用规则抽取保证准召，长尾知识交给大模型生成式构建。但前提是你得有个质量门控，不然大模型会引入[[幻觉]]。[[实体链接]]这块，跨文档指代是个大坑。同一个实体在不同文档里表述完全不一样，比如Apple是公司还是水果，上下文一变就错。还有新实体冷启动，没见过的东西没有锚点，链接模型直接失效。而且链接错误会污染后续子图检索，所以不能只靠字符串匹配，得结合实体[[嵌入]]、上下文共现和知识库先验做多维相似度计算。推理路径搜索，多跳推理路径指数级增长，延迟很难控。更麻烦的是图拓扑上相邻的节点，语义上可能完全不相关，容易主题漂移。我一般用检索-剪枝-[[重排]]三级流水线，先用向量相似度召回候选子图，再用GNN或大模型做路径重排序。但这里有个风险，重排模型如果训练数据有偏，会过度拟合某些路径，导致多样性下降，上线后用户问几个不同角度的问题，结果都返回同一类路径。可扩展性，存储上属性图和RDF三元组各有适用场景，十亿级边图得用分布式图数据库。计算上子图提取的实时性和图神经网络预计算开销之间需要权衡。成本上，LLM做图摘要的token消耗远高于标准RAG的chunk检索。举个例子，电商场景里商品知识图谱有强schema但高动态，商品上下架频繁，[[多模态]]属性图文关联。我会针对商品类目体系做分层设计，高频查询用属性图，低频长尾用RDF，同时增量更新用事件驱动，避免全量重建。还有一个容易被忽略的点，就是图谱构建的时效性。比如电商大促期间商品属性频繁变化，如果图谱更新不及时，检索出的路径可能已经过期，导致推荐错误。我会特别关注增量融合时的实体消歧和冲突消解，否则知识冲突会让检索结果自相矛盾。所以整体上，我更倾向于把[[GraphRAG]]看作一个精度放大器，而不是万能方案。它适合高价值、高关联性的复杂推理场景，但前提是你有足够的数据质量和工程投入来支撑。