Graph RAG et graphes de connaissances

Le graphique RAG utilise les relations entre entités comme preuve supplémentaire. Le graphique et les documents se complètent, mais tous deux nécessitent une vérification.

Ces étapes font référence aux fonctionnalités identifiées dans le code de l'application. Ce matériel n'a pas été validé sur une instance réelle ; vérifiez la documentation et les options de votre version.

Comment ça marche, étape par étape

Relations explicites avec la provenance

Un graphique contient des entités et des relations, telles que Produit → Utilisations → Pièce. L'extraction LLM peut confondre les noms ou inventer des relations ; conserver le document appuyant chaque fait. La traversée limitée recherche des connexions sur plusieurs sauts. Local Graph RAG combine des faits Neo4j avec des passages vectoriels. Il ne s'agit pas automatiquement du pipeline Microsoft GraphRAG avec détection de communauté et rapports. Les questions de dépendance peuvent bénéficier d’un graphique ; Les questions simples de la FAQ peuvent être moins chères avec la récupération vectorielle.

RAG accède aux preuves, il ne se recycle pas

RAG signifie génération augmentée par récupération : la récupération fournit les passages pertinents avant que le modèle ne réponde. L'ingestion prépare les documents, tandis que l'exécution des requêtes recherche dans l'index et crée le contexte. Un modèle d'intégration représente le texte numériquement ; le modèle de réponse écrit la réponse. Les modèles de rerankers, de vision, de graphiques et de routeurs ont des rôles différents en cas de besoin. RAG aide avec les informations privées ou changeantes mais ne garantit pas la vérité. Utilisez une API autorisée pour les soldes, l'inventaire exact ou les autorisations ; un ancien document n'est pas une source fiable pour l'état actuel.

Les bons documents précèdent les bonnes réponses

Préparez un texte lisible, des titres clairs, des tableaux avec en-têtes et sources sans doublons inutiles. Le chunking divise un document en passages récupérables séparément ; le chevauchement préserve la continuité entre voisins. Un petit morceau peut perdre des conditions, tandis qu'un gros morceau introduit du bruit. Les métadonnées préservent la source, la position et la version, ainsi que la portée d'accès lorsque l'implémentation l'impose. Le téléchargement stocke le fichier ; l'indexation le rend consultable. Lorsqu'une source change, vérifiez que les anciens fragments disparaissent et que les nouveaux sont récupérés avant de déclarer la base de connaissances actuelle.

Laboratoire détaillé

Profondeur, limites et résolution d’entité

vector_top_k détermine le nombre de passages de texte ; graph_depth limite la profondeur du parcours des relations ; graph_limit limite le nombre de faits renvoyés. N’augmentez pas tous ces paramètres en même temps. Pour la question sur l’adaptateur, comparez les profondeurs 1 et 2 et vérifiez la connexion nécessaire via P-12.

Les produits portant le même nom peuvent avoir des SKU différents. La résolution d’entité doit conserver les identifiants exacts. Comparez chaque relation renvoyée avec sa source. Une plus grande profondeur peut ajouter des relations non pertinentes et des coûts plutôt que des preuves utiles seules.

Le schéma explicatif

Suivez les flèches pleines pour le flux principal. Les flèches bleues en pointillés fournissent des données ou un contexte ; les flèches roses en pointillés affichent des commentaires ou des résultats renvoyés. Les couleurs et les formes distinguent les modèles, les magasins, les décisions et les sorties. Les faits graphiques et les passages vectoriels convergent. LX-240 → P-12 → A-7 illustre une relation à deux sauts, et non une garantie automatique de vérité. La récupération renvoie des preuves. Si un modèle de réponse est activé, il compose également une réponse ; les preuves récupérées doivent encore être vérifiées. Sur un petit écran, faites défiler horizontalement pour suivre le schéma complet.

Un exemple complet

Le catalogue indique que le LX-240 utilise le P-12 et que le manuel relie le P-12 à l'adaptateur A-7. Pour poser des questions sur l'adaptateur, il faut deux relations et une vérification du passage original.

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

Essayez-le vous-même

1. Sélectionnez Graphique et un modèle de graphique ; comparez graph_depth=1 et 2 et inspectez les faits récupérés.
2. Enregistrez l’entrée, la source et le résultat attendu avant d’exécuter l’expérience. Utilisez uniquement les données fictives de l'exemple.
3. Suivez les étapes du diagramme. À chaque étape, enregistrez les informations reçues et produites ; ne confondez pas le résultat intermédiaire avec le résultat final.
4. Répétez après avoir supprimé les informations nécessaires ou rendu la saisie ambiguë. Vérifiez si le système clarifie, arrête ou invente une réponse.
5. Comparez avec la solution expliquée. Conservez la configuration, la date, le résultat et une explication des différences. Changez une chose et retestez.

Une solution expliquée

Le chemin LX-240 → P-12 → A-7 est pris en charge par la source ; un nom similaire n’est pas traité comme la même entité. Un exercice réussi vous permet de montrer le lien entre les contributions, les étapes et les résultats. Lorsqu’une information manque, une réponse prudente est plus utile que des détails inventés. Comparez bien plus que le style : vérifiez également les conditions, les sources et les opérations.

Quand cette approche est utile et quelles sont ses limites

Local Graph RAG n’implique pas les rapports de la communauté Microsoft GraphRAG. Choisissez cette approche lorsqu’elle améliore un besoin mesuré. Gardez une base de référence simple et comparez les résultats en utilisant des entrées identiques. Un exemple réussi n’établit pas la fiabilité dans toutes les situations.

Vérifiez vos connaissances

Un avantage extrait par l’IA prouve-t-il que la relation est vraie ?

Non. Vérifiez sa source et l’identité des entités.

RAG modifie-t-il les paramètres LLM ?

Non. Il fournit le contexte de l’heure de la demande ; les changements de paramètres appartiennent à la formation.

Quel résultat cet exercice devrait-il produire ?

Le chemin LX-240 → P-12 → A-7 est pris en charge par la source ; un nom similaire n’est pas traité comme la même entité.

Les mots à retenir

• Houblon: Croisement d'une relation dans un graphique.
• Récupération: Trouver des informations pertinentes dans des sources accessibles.
• Gros morceau: Un passage de document pouvant être récupéré séparément.

Sources et votre prochaine étape

• Microsoft GraphRAG — Présentation des requêtes
• Lewis et al. — Génération augmentée par récupération

Pour préparer : R05 — RAG multimodal : les documents contiennent également des images