Graph RAG y grafos de conocimiento

Graph RAG utiliza relaciones entre entidades como evidencia adicional. El gráfico y los documentos se complementan, pero ambos necesitan verificación.

Estos pasos se refieren a las características identificadas en el código de la aplicación. Este material no ha sido validado en una instancia en vivo; consulta la documentación y las opciones de tu versión.

Cómo funciona, paso a paso

Relaciones explícitas con procedencia

Un gráfico contiene entidades y relaciones, como Producto → usos → Pieza. La extracción de LLM puede confundir nombres o inventar relaciones; conservar el documento que sustenta cada hecho. El recorrido acotado busca conexiones entre múltiples saltos. Local Graph RAG combina datos de Neo4j con pasajes vectoriales. No es automáticamente la canalización de Microsoft GraphRAG con informes y detección de la comunidad. Las preguntas de dependencia pueden beneficiarse de un gráfico; Las preguntas frecuentes simples pueden resultar más económicas con la recuperación de vectores.

RAG accede a la evidencia, no se vuelve a capacitar

RAG significa generación aumentada de recuperación: la recuperación proporciona pasajes relevantes antes de que el modelo responda. La ingestión prepara documentos, mientras que la ejecución de consultas busca en el índice y crea contexto. Un modelo de incrustación representa el texto numéricamente; el modelo de respuesta escribe la respuesta. Los modelos de reordenamiento, visión, gráficos y enrutadores tienen diferentes roles cuando es necesario. RAG ayuda con información privada o cambiante pero no garantiza la veracidad. Utilice una API autorizada para saldos, inventario exacto o permisos; un documento antiguo no es una fuente confiable para el estado actual.

Los buenos documentos vienen antes que las buenas respuestas

Prepare texto legible, títulos claros, tablas con encabezados y fuentes sin duplicados innecesarios. La fragmentación divide un documento en pasajes recuperables por separado; La superposición preserva la continuidad entre los vecinos. Un trozo pequeño puede perder condiciones, mientras que uno grande introduce ruido. Los metadatos conservan la fuente, la posición y la versión, además del alcance del acceso cuando lo exija la implementación. Cargar almacena el archivo; la indexación hace que se pueda buscar. Cuando una fuente cambia, verifique que los fragmentos antiguos desaparezcan y se recuperen los nuevos antes de declarar actual la base de conocimientos.

laboratorio detallado

Profundidad, límites y resolución de entidades.

vector_top_k controla el número de pasajes de texto; graph_depth limita la profundidad del recorrido de las relaciones; graph_limit limita el número de hechos devueltos. No aumentes todos los parámetros a la vez. Para la pregunta sobre el adaptador, compara las profundidades 1 y 2 y comprueba la conexión necesaria a través de P-12.

Los productos con nombres similares pueden tener SKU diferentes. La resolución de entidades debe preservar los identificadores exactos. Compare cada relación devuelta con su fuente. Una mayor profundidad puede añadir relaciones irrelevantes y costos en lugar de evidencia útil por sí sola.

El esquema explicativo

Siga las flechas sólidas para el flujo principal. Las flechas azules discontinuas proporcionan datos o contexto; Las flechas discontinuas de color rosa muestran comentarios o resultados devueltos. Colores y formas distinguen modelos, tiendas, decisiones y resultados. Los hechos gráficos y los pasajes vectoriales convergen. LX-240 → P-12 → A-7 ilustra una relación de dos saltos, no una garantía automática de verdad. La recuperación devuelve evidencia. Si un modelo de respuesta está habilitado, también redacta una respuesta; La evidencia recuperada aún necesita ser revisada. En pantallas pequeñas, desplázate horizontalmente para seguir todo el esquema.

Un ejemplo completo

El catálogo dice que LX-240 usa P-12 y el manual vincula P-12 al adaptador A-7. Para preguntar sobre el adaptador se necesitan dos relaciones y verificación del pasaje original.

template: Graph
vector_top_k: 4
graph_depth: 2
graph_limit: 20

Pruébalo tú mismo

1. Seleccione Gráfico y un modelo de gráfico; compare graph_depth = 1 y 2 e inspeccione los hechos recuperados.
2. Registre la entrada, la fuente y el resultado esperado antes de ejecutar el experimento. Utilice únicamente los datos ficticios del ejemplo.
3. Siga las etapas del diagrama. En cada paso registre qué información se recibe y se produce; No confunda el resultado intermedio con el resultado final.
4. Repita después de eliminar la información necesaria o hacer que la entrada sea ambigua. Compruebe si el sistema aclara, detiene o inventa una respuesta.
5. Comparar con la solución explicada. Conserve la configuración, fecha, resultado y una explicación de las diferencias. Cambie una cosa y vuelva a probar.

Una solución explicada

La ruta LX-240 → P-12 → A-7 es compatible con la fuente; un nombre similar no se trata como la misma entidad. Un ejercicio exitoso le permite mostrar la conexión entre los aportes, las etapas y el resultado. Cuando falta información, una respuesta cautelosa es más útil que detalles inventados. Compare más que estilo: compruebe también las condiciones, las fuentes y las operaciones.

Cuándo resulta útil y cuáles son sus límites

Local Graph RAG no implica informes de la comunidad Microsoft GraphRAG. Elija este enfoque cuando mejore una necesidad medida. Mantenga una línea de base simple y compare los resultados utilizando insumos idénticos. Un ejemplo exitoso no establece confiabilidad en todas las situaciones.

Comprueba lo que has aprendido

¿Una ventaja extraída por IA prueba que la relación es verdadera?

No. Consulta su fuente y las identidades de las entidades.

¿RAG cambia los parámetros de LLM?

No. Proporciona contexto en el momento de la solicitud; Los cambios de parámetros pertenecen al entrenamiento.

¿Qué resultado debería producir este ejercicio?

La ruta LX-240 → P-12 → A-7 es compatible con la fuente; un nombre similar no se trata como la misma entidad.

Términos que conviene recordar

• Brincar: Cruzar una relación en un gráfico.
• Recuperación: Encontrar información relevante en fuentes accesibles.
• Pedazo: Un pasaje de documento que se puede recuperar por separado.

Fuentes y su próximo paso

• Microsoft GraphRAG — descripción general de consultas
• Lewis et al. — Generación aumentada de recuperación

Para preparar: R05 — RAG multimodal: los documentos también contienen imágenes