面试题 · 知识图谱
搜索「RAG架构」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
GraphRAG在构建和应用过程中面临哪些关键技术难点？请从图谱构建、实体链接、推理路径搜索和可扩展性等角度进行分析。
核心难点
实践思路：采用"抽取+生成"双轨策略，对高置信结构化数据用规则抽取，长尾知识用大模型生成式构建。
：需要结合实体嵌入、上下文共现和知识库先验的多维相似度计算，而非单一字符串匹配。
学习内容与项目面试，在同一条路上。
| 挑战 | 具体表现 |
|---|---|
| 搜索深度爆炸 | 多跳推理路径指数级增长，延迟不可控 |
| 相关性漂移 | 图拓扑邻近 ≠ 语义相关，容易引入主题漂移 |
| 路径可解释性 | 黑盒排序 vs 白盒推理路径的权衡 |
工程解法：采用"检索-剪枝-重排"三级流水线，先用向量相似度做候选子图召回，再用GNN或LLM做路径重排序。
淘天场景的特殊性：电商知识图谱具有强schema、高动态性（商品上下架）、多模态属性（图文关联），需要针对商品类目体系做专门的图谱分层设计。
建议先掌握多模态基础和RAG架构，再深入学习跨模态融合机制与典型模型结构。
场景切入
假设你在做电商客服的智能问答，用户问“这款手机能拍照吗”，你从商品知识图谱里找关联实体和属性。那从非结构化商品描述到图谱，再到回答生成，你觉得哪几个环节最难搞？
层层追问
GraphRAG里，你是怎么从文本里抽实体和关系的？……抽完怎么把它们准确连到已有知识库？……再往后，多跳推理搜索路径时，怎么避免搜到一堆无关信息？……这些环节里，你觉得哪个最影响效果或者性能？
直球架构
聊聊GraphRAG的技术难点。从图谱构建、实体链接、推理路径搜索到可扩展性，每个角度说一个你觉得最关键的挑战，并简单说明为什么。
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。