Graph RAG e grafos de conhecimento
O Graph RAG usa relacionamentos de entidades como evidência adicional.
O que você aprenderá
- Explique: relações explícitas com a proveniência
- Aplique a ideia em um exemplo: Gráfico RAG e gráficos de conhecimento
- Reconheça as limitações e verifique o resultado do exercício
O Graph RAG usa relacionamentos de entidades como evidência adicional. Gráfico e documentos se complementam, mas ambos necessitam de verificação.
Estas etapas referem-se aos recursos identificados no código do aplicativo. Este material não foi validado em uma instância ativa; verifique a documentação e as opções da sua versão.
Como funciona, passo a passo
Relacionamentos explícitos com proveniência
Um gráfico contém entidades e relacionamentos, como Produto → usos → Parte. A extração de LLM pode confundir nomes ou inventar relacionamentos; preservar o documento que comprova cada fato. A travessia limitada procura conexões em vários saltos. Local Graph RAG combina fatos Neo4j com passagens vetoriais. Não é automaticamente o pipeline do Microsoft GraphRAG com detecção e relatórios da comunidade. Questões de dependência podem se beneficiar de um gráfico; perguntas simples de FAQ podem ser mais baratas com a recuperação de vetores.
RAG acessa evidências, não treina novamente
RAG significa geração aumentada de recuperação: a recuperação fornece passagens relevantes antes que o modelo responda. A ingestão prepara documentos, enquanto a execução da consulta pesquisa o índice e cria contexto. Um modelo de incorporação representa o texto numericamente; o modelo de resposta escreve a resposta. Reclassificadores, visão, gráficos e modelos de roteador têm funções diferentes quando necessário. RAG ajuda com informações privadas ou em mudança, mas não garante a verdade. Use uma API autorizada para saldos, inventário exato ou permissões; um documento antigo não é uma fonte confiável para o estado atual.
Bons documentos vêm antes de boas respostas
Prepare texto legível, títulos claros, tabelas com cabeçalhos e fontes sem duplicatas desnecessárias. A fragmentação divide um documento em passagens recuperáveis separadamente; a sobreposição preserva a continuidade entre vizinhos. Um pedaço pequeno pode perder condições, enquanto um pedaço grande introduz ruído. Os metadados preservam a origem, a posição e a versão, além do escopo de acesso quando aplicado pela implementação. Upload armazena o arquivo; a indexação o torna pesquisável. Quando uma fonte muda, verifique se os pedaços antigos desaparecem e os novos são recuperados antes de declarar a base de conhecimento atual.
Laboratório detalhado
Profundidade, limites e resolução da entidade
vector_top_k controla o número de trechos de texto; graph_depth limita a profundidade do percurso pelas relações; graph_limit limita o número de fatos retornados. Não aumente todos os parâmetros ao mesmo tempo. Para a pergunta sobre o adaptador, compare as profundidades 1 e 2 e verifique a conexão necessária através de P-12.
Produtos com nomes semelhantes podem ter SKUs diferentes. A resolução da entidade deve preservar identificadores exatos. Compare cada relação retornada com sua origem. Uma maior profundidade pode acrescentar relações e custos irrelevantes, em vez de apenas provas úteis.
O esquema explicativo
Siga as setas sólidas para o fluxo principal. As setas azuis tracejadas fornecem dados ou contexto; setas rosa tracejadas mostram feedback ou retorno de resultados. Cores e formas distinguem modelos, lojas, decisões e resultados. Os fatos do gráfico e as passagens dos vetores convergem. LX-240 → P-12 → A-7 ilustra um relacionamento de dois saltos, não uma garantia automática de verdade. A recuperação retorna evidências. Se um modelo de resposta estiver habilitado, ele também compõe uma resposta; as evidências recuperadas ainda precisam ser verificadas. Em telas pequenas, role na horizontal para acompanhar o esquema completo.
Um exemplo completo
O catálogo diz que o LX-240 usa o P-12, e o manual vincula o P-12 ao adaptador A-7. Perguntar sobre o adaptador requer dois relacionamentos e verificação da passagem original.
template: Graph
vector_top_k: 4
graph_depth: 2
graph_limit: 20
Experimente você mesmo
- Selecione Gráfico e um modelo de gráfico; compare graph_depth=1 e 2 e inspecione os fatos recuperados.
- Registre a entrada, a fonte e o resultado esperado antes de executar o experimento. Use apenas os dados fictícios do exemplo.
- Siga as etapas do diagrama. A cada passo registre quais informações são recebidas e produzidas; não confunda o resultado intermediário com o resultado final.
- Repita após remover as informações necessárias ou tornar a entrada ambígua. Verifique se o sistema esclarece, interrompe ou inventa uma resposta.
- Compare com a solução explicada. Guarde a configuração, data, resultado e explicação das diferenças. Mude uma coisa e teste novamente.
Uma solução explicada
O caminho LX-240 → P-12 → A-7 é compatível com a fonte; um nome semelhante não é tratado como a mesma entidade. Um exercício bem-sucedido permite mostrar a conexão entre entradas, etapas e resultados. Quando falta informação, uma resposta cautelosa é mais útil do que detalhes inventados. Compare mais do que estilo: verifique também as condições, fontes e operações.
Quando esta abordagem ajuda e quais são seus limites
O Local Graph RAG não implica relatórios da comunidade Microsoft GraphRAG. Escolha esta abordagem quando ela melhorar uma necessidade medida. Mantenha uma linha de base simples e compare os resultados usando dados idênticos. Um exemplo de sucesso não estabelece confiabilidade em todas as situações.
Verifique o que aprendeu
Uma vantagem extraída de IA prova que o relacionamento é verdadeiro?
Não. Verifique a sua origem e as identidades das entidades.
O RAG altera os parâmetros do LLM?
Não. Ele fornece contexto de tempo de solicitação; alterações de parâmetros pertencem ao treinamento.
Que resultado este exercício deve produzir?
O caminho LX-240 → P-12 → A-7 é compatível com a fonte; um nome semelhante não é tratado como a mesma entidade.
Termos para lembrar
- Saltar: Cruzando um relacionamento em um gráfico.
- Recuperação: Encontrar informações relevantes em fontes acessíveis.
- Pedaço: uma passagem de documento que pode ser recuperada separadamente.
Fontes e sua próxima etapa
Para preparar: R05 — RAG Multimodal: documentos também contêm imagens