圖檢索增強(qiáng)生成（GraphRAG）已成為大模型解決復(fù)雜領(lǐng)域知識(shí)問(wèn)答的重要解決方案之一。然而，當(dāng)前學(xué)界和開(kāi)源界的方案都面臨著三大關(guān)鍵痛點(diǎn)：

• 開(kāi)銷(xiāo)巨大：通過(guò) LLM 構(gòu)建圖譜及社區(qū)，Token 消耗大，耗時(shí)長(zhǎng)，經(jīng)濟(jì)與時(shí)間成本高昂。
• 效果瓶頸：對(duì)復(fù)雜問(wèn)答的解析精度有限，面臨顯著的效果瓶頸。
• 適配成本高：缺乏跨任務(wù)泛化能力，遇新領(lǐng)域需重新調(diào)整全鏈路，遷移成本高。

針對(duì)這些難題，騰訊優(yōu)圖實(shí)驗(yàn)室正式開(kāi)源 Youtu-GraphRAG 框架，通過(guò)創(chuàng)新的算法優(yōu)化，實(shí)現(xiàn)了成本和效果的雙重突破！

• 論文標(biāo)題：Youtu-GraphRAG: Vertically Unified Agents for Graph Retrieval-Augmented Complex Reasoning
• 論文鏈接：https://arxiv.org/pdf/2508.19855

成本和效果的雙重突破

在六個(gè)跨領(lǐng)域多語(yǔ)言基準(zhǔn)測(cè)試中，Youtu-GraphRAG 展現(xiàn)出卓越性能：

• 大幅成本優(yōu)化：相比同類(lèi)最佳方案，構(gòu)圖成本節(jié)省 30%+；
• 顯著精度提升：在復(fù)雜推理任務(wù)中獲得最高 16%+ 的準(zhǔn)確率提升；

這些結(jié)果標(biāo)志著 GraphRAG 技術(shù)向落地可用的發(fā)展階段邁進(jìn)了重要的一步。

技術(shù)架構(gòu)：三大創(chuàng)新構(gòu)建垂直統(tǒng)一的完整方案

Youtu-GraphRAG 通過(guò) Schema 連接兩個(gè)智能體，在圖構(gòu)建、索引和檢索上實(shí)現(xiàn)垂直統(tǒng)一和認(rèn)知閉環(huán)，以領(lǐng)先的落地級(jí)圖構(gòu)建與推理能力推動(dòng) GraphRAG 進(jìn)入新的階段。

1. Schema 引導(dǎo)的層次化知識(shí)樹(shù)構(gòu)建

通過(guò)引入有針對(duì)性的實(shí)體類(lèi)型、關(guān)系和屬性類(lèi)型，為圖構(gòu)建智能體提供精確約束，實(shí)現(xiàn)了跨領(lǐng)域知識(shí)的自主演化和高質(zhì)量抽取。四層架構(gòu)設(shè)計(jì)包括：

• 屬性層：存儲(chǔ)實(shí)體的屬性信息
• 關(guān)系層：構(gòu)建實(shí)體間的關(guān)系三元組
• 關(guān)鍵詞層：建立關(guān)鍵詞索引體系
• 社區(qū)層：形成層次化的高維度社區(qū)結(jié)構(gòu)

2. 結(jié)構(gòu)語(yǔ)義雙重感知的社區(qū)檢測(cè)

巧妙融合結(jié)構(gòu)拓?fù)涮卣髋c子圖語(yǔ)義信息，在復(fù)雜網(wǎng)絡(luò)中提煉高維度知識(shí)加強(qiáng)推理總結(jié)能力，社區(qū)生成效果顯著優(yōu)于傳統(tǒng) Leiden 和 Louvain 算法。利用大模型進(jìn)行社區(qū)摘要生成，實(shí)現(xiàn)更高層次的知識(shí)抽象。

3. 智能迭代檢索機(jī)制

深度理解圖 Schema，將復(fù)雜查詢(xún)針對(duì)性地轉(zhuǎn)換為符合圖特征且可并行處理的子查詢(xún)，通過(guò)迭代檢索進(jìn)一步提升思維鏈追溯與反思能力。

When & Why? 三大核心應(yīng)用場(chǎng)景

推理與總結(jié)

完美解決需要多步推理的復(fù)雜問(wèn)題，如深度關(guān)聯(lián)分析、因果推理等場(chǎng)景。

知識(shí)密集型任務(wù)

高效處理依賴(lài)大量結(jié)構(gòu)化知識(shí)的問(wèn)題，如企業(yè)知識(shí)庫(kù)問(wèn)答、技術(shù)文檔深度解析。

跨域擴(kuò)展應(yīng)用

輕松支持學(xué)術(shù)論文、個(gè)人知識(shí)庫(kù)、私域 / 企業(yè)知識(shí)庫(kù)等多個(gè)領(lǐng)域，最小化人工干預(yù)成本。

交互界面

快速啟動(dòng)：四步開(kāi)箱智能復(fù)雜問(wèn)答

第一步：獲取項(xiàng)目代碼

git clone https://github.com/TencentCloudADP/youtu-graphragcd youtu-graphrag

第二步：環(huán)境配置

1. 首先訪問(wèn)提供模型服務(wù)的平臺(tái)，獲取遠(yuǎn)程調(diào)用模型的憑證 API key。

2. 按照.env.example 格式創(chuàng)建配置文件，創(chuàng)建并復(fù)制 API key，`Youtu-GraphRAG` 項(xiàng)目的 `.env` 文件中的 llm 部分中設(shè)置。

cp .env.example .env# 配置 OpenAI 格式的 LLM API# LLM_MODEL=deepseek-chat# LLM_BASE_URL=https://api.deepseek.com# LLM_API_KEY=sk-xxxxxx

第三步：一鍵部署

docker build -t youtu_graphrag:v1 .# 啟動(dòng) docker 容器docker run -d -p 8000:8000 youtu_graphrag:v1

第四步：體驗(yàn)交互

curl -v http://localhost:8000

訪問(wèn) http://localhost:8000 即可體驗(yàn)完整的圖增強(qiáng)推理服務(wù)，包括：

• 可視化知識(shí)圖譜展示
• 交互式智能問(wèn)答
• 實(shí)時(shí)推理路徑追蹤

企業(yè)級(jí)優(yōu)勢(shì)特性

統(tǒng)一配置管理

• 集中化參數(shù)管理：所有組件通過(guò)單一 YAML 文件統(tǒng)一配置
• 多環(huán)境無(wú)縫支持：輕松實(shí)現(xiàn)跨領(lǐng)域遷移部署

高性能架構(gòu)

• 并行子問(wèn)題處理：采用并行機(jī)制處理分解后的問(wèn)題
• 迭代推理演進(jìn)：逐步構(gòu)建答案，提供清晰的推理軌跡
• 企業(yè)級(jí)擴(kuò)展性：專(zhuān)為私域及企業(yè)級(jí)部署而設(shè)計(jì)

社區(qū)貢獻(xiàn)與數(shù)據(jù)集

我們提供公平匿名數(shù)據(jù)集 AnonyRAG ，有效防范大語(yǔ)言模型預(yù)訓(xùn)練過(guò)程中的知識(shí)泄露問(wèn)題，深度檢驗(yàn) GraphRAG 框架的檢索性能。

我們致力于構(gòu)建一個(gè)開(kāi)放、靈活的知識(shí)圖譜檢索與推理框架。無(wú)論你是研究者、工程師，還是對(duì)知識(shí)圖譜與 RAG 有興趣的開(kāi)發(fā)者，都可以在以下方向貢獻(xiàn)：

新種子 Schema 開(kāi)發(fā)：

設(shè)計(jì)并提交高質(zhì)量的種子 Schema，幫助 GraphRAG 更好地理解不同數(shù)據(jù)類(lèi)型。

示例：為醫(yī)療領(lǐng)域構(gòu)建患者、藥物、治療方案的種子 Schema

自定義數(shù)據(jù)集集成:

在盡量減少對(duì) Schema 的人工干預(yù)下，嘗試集成新的開(kāi)放數(shù)據(jù)集或行業(yè)數(shù)據(jù)集。

示例：

• 集成 WikiData、PubMed、arXiv 等開(kāi)放數(shù)據(jù)集
• 集成企業(yè)內(nèi)部文檔或日志數(shù)據(jù)，并驗(yàn)證 Graphrag 的兼容性

特定領(lǐng)域的最佳實(shí)踐應(yīng)用案例

展示 GraphRAG 在某一領(lǐng)域的最佳實(shí)踐，讓社區(qū)更直觀地了解其應(yīng)用潛力。

示例：

• 金融領(lǐng)域：構(gòu)建基于 Graphrag 的風(fēng)險(xiǎn)事件知識(shí)圖譜
• 教育領(lǐng)域：集成課程大綱、作業(yè)與考試題庫(kù)，輔助智能問(wèn)答
• 科研領(lǐng)域：集成論文數(shù)據(jù)集，支持跨學(xué)科知識(shí)發(fā)現(xiàn)

立即體驗(yàn)

Youtu-GraphRAG 不僅代表了圖檢索增強(qiáng)生成技術(shù)的最新進(jìn)展，更為企業(yè)級(jí)知識(shí)管理和智能問(wèn)答系統(tǒng)設(shè)立了新的標(biāo)桿。其突破性的成本效益比和精度提升，讓高質(zhì)量智能問(wèn)答服務(wù)變得更加可及和可持續(xù)。

立即體驗(yàn) Youtu-GraphRAG，開(kāi)啟智能問(wèn)答的新篇章！