完整题目
请解释GraphRAG的基本原理，对比其与传统RAG的差异，并讨论在图结构数据处理中的具体应用方法和优势。
本文目录
先把“传统 RAG”与 GraphRAG 的边界说清
传统 RAG 通常以原文片段为检索单元，可使用关键词、向量、元数据过滤、重排和迭代检索。它并不天然只能回答单点事实；只要证据能被召回和组合，也可以处理跨片段问题。GraphRAG 额外把实体、关系、社区及社区报告等结构作为检索入口，适合关系密集或需要数据集级概览的查询，但图中的路径和摘要仍是派生证据，不自动等于事实或正确推理。
官方实现中的几种查询方式
- Local Search：围绕查询相关实体，组合图中的实体、关系、协变量、社区报告与原始文本，适合实体及其邻域问题。
- Global Search：对社区报告执行 map-reduce 式聚合，适合整个语料的主题、风险或趋势概览；成本和摘要损失需要单独评估。
- DRIFT Search：以社区信息为起点再做局部跟进，是全局与局部之间的一种实现选择。
Leiden 社区检测属于 Microsoft GraphRAG 标准索引的一种实现，不是所有“GraphRAG”的定义。自然语言问题也不一定会转成 Cypher；检索可通过实体匹配、文本相似度、社区报告和图遍历组合完成。