← Каталог

· AI Engineer World's Fair 2026

RAG нужна карта: как GraphRAG извлекает связанный контекст

RAG Needs a Map: Using GraphRAG to Retrieve Connected Context — Nyah Macklin, Neo4j

Связи из графа знаний дополняют векторный поиск: вместе они отвечают на вопросы с цепочками связей и агрегацией, а контекст можно проверить.

  • Векторы и граф вместе — спикер советует не заменять векторный слой графом, а использовать оба. Вектор находит близкие фрагменты текста (top-5, text-embedding-3-small, 1536 измерений), а Cypher-запрос подтягивает связанные узлы и связи, по которым видно, откуда взят ответ.
  • Схема извлечения — заранее заданные типы узлов (technology, concept, example, process, challenge, benefit) и шаблоны связей направляют LLM, и она не придумывает новые типы. Схему можно предложить самой модели по документам, а затем зафиксировать.
  • Агрегация требует проверки — после повторного запуска скрипта построения графа агент назвал 30 уроков вместо 15, которые были в графе. Спикер связывает это с повторным запуском, но причина в ходе демо не проверена, поэтому подсчёт лучше сверять прямым запросом к базе.

Кому полезно: тем, кто строит RAG по документам и видит вопросы, где ответ требует пройти несколько связей или посчитать сущности.

Статья по теме

Главы

Похожие доклады