---
title: GraphRAG 检索实现说明
tags: [GraphRAG, Graph RAG, AI, Information Retrieval, Knowledge Graph, RRF, Search]
p: graphrag
categories: AI
description: 详解 GraphRAG 索引构建完成后的检索阶段全流程实现，涵盖查询意图解析、多路实体召回与 RRF 倒数排名融合、邻居扩展、社区映射与多维打分排序（语义相似度/实体重叠率/图结构得分），以及 LLM 社区过滤与全局答案生成。
description_en: A complete implementation guide for the GraphRAG query and retrieval phase, detailing query intent parsing, multi-channel entity retrieval with Reciprocal Rank Fusion (RRF), neighbor expansion, multi-dimensional community scoring, LLM filtering, and final global answer synthesis.
date: 2026-07-22 16:20:00
mathjax: true
keywords: GraphRAG retrieval implementation guide, GraphRAG reciprocal rank fusion RRF ranking, GraphRAG global search query, GraphRAG 社区检索与排序打分算法, GraphRAG RRF 倒数排名融合多路召回, GraphRAG query parsing neighbor expansion, 知识图谱 RAG 检索流程与接口设计, GraphRAG community summary answer generation, GraphRAG local search vs global search
lang: zh
translationKey: graphrag-retrieval
---

# GraphRAG 检索实现说明

> 💡 **论文解读与参考来源**：本文内容基于对微软论文 [*From Local to Global: A Graph RAG Approach to Query-Focused Summarization*](https://arxiv.org/abs/2404.16130) (arXiv:2404.16130) 的深入研读、工程实践与架构解读。

---

## 1. 目标

已完成 GraphRAG 构建后，检索阶段的核心目标不是重新构建图，而是根据已生成的图谱、社区和摘要，完成：

- 查询解析
- 实体/别名匹配
- 社区召回
- 社区排序
- 相关证据回传
- 最终答案生成

也就是说，检索阶段只依赖已构建出的索引对象，而不重复执行实体抽取和社区构建。

---

## 2. 检索的输入数据

在已构建好的 GraphRAG 中，通常至少存在以下数据：

- `entities`：实体表
- `entity_aliases`：实体别名表
- `edges`：关系边与权重
- `communities`：社区表
- `community_members`：社区包含哪些实体
- `community_summaries`：每个社区的摘要
- `claims`：事实声明 / 证据

检索部分只需要使用这些结构，不需要再走文档抽取流程。

---

## 3. 检索整体流程

GraphRAG 的检索并不是“全部由 LLM 完成”，而是“规则/索引计算 + LLM 语义增强”的混合结构。

```mermaid
flowchart TD
    Q([用户查询 Query]) --> QP[1. 查询解析与意图抽取]
    QP --> ME[2. 多路实体检索<br/>精确/别名/模糊/向量匹配]
    ME --> RRF1[RRF 倒数排名融合]
    RRF1 --> NE[3. 1-Hop 邻居实体扩展]
    NE --> CM[4. 实体映射候选社区]
    CM --> CS[5. 社区多维打分与排序<br/>语义相似度 + 实体重叠度 + 图拓扑得分]
    CS --> LLMF[6. LLM 社区语义筛选过滤]
    LLMF --> EG[7. 聚合证据与社区摘要]
    EG --> GA[8. LLM 全局最终答案合成]
```

### 3.1 查询解析

用户输入一个问题后，先做：

- 关键词抽取
- 实体识别
- 别名解析
- 主题词提取

例如：

```text
查询：A 和 B 的合作背景是什么？
```

可抽取的信号：

- 实体：A、B
- 主题：合作、背景

这里通常可以由 LLM 负责，但也可以在一部分系统中用规则 + embedding 预先优化。

### 3.2 实体命中

通过下面几种方式多路命中候选实体，并利用 **RRF（Reciprocal Rank Fusion）** 或权重融合多路命中结果：

1. 直接精确匹配（Exact Match）
2. 别名匹配（Alias Match）
3. 模糊匹配（Fuzzy Match）
4. embedding 语义匹配（Semantic Match）

多路命中列表通过 RRF 融合后，得到按综合置信度排序的查询相关实体集：

$$
E_q = \{e_1, e_2, ..., e_n\}
$$

### 3.3 扩展邻居实体

从命中的实体出发，向图中扩展一层邻居：

$$
N(E_q) = \{v \mid \exists e \in E_q, (e, v) \in E\}
$$

这里的 $E$ 是图中实体之间存在的边集合。这样可以扩大召回范围，把“显性命中”扩展成“相关主题命中”。

### 3.4 归属到社区

把扩展后的实体映射回社区：

$$
C_q = \{c \mid E_c \cap (E_q \cup N(E_q)) \neq \emptyset\}
$$

其中：

- $E_c$ 是社区 $c$ 的实体集合
- $C_q$ 是候选社区集合

这一步的核心目的，是把“实体检索”转换成“社区召回”。

### 3.5 社区排序

对候选社区打分，排序后取 Top-K。打分方式支持加权综合得分或 **RRF（倒数排名融合）**：

**方式 1：加权综合评分**
$$
Score(q, C) = \alpha \cdot Sim(q, Summary(C)) + \beta \cdot EntityOverlap(q, C) + \gamma \cdot StructuralScore(q, C)
$$

其中：

- $Sim(q, Summary(C))$：查询与社区摘要的语义相似度
- $EntityOverlap(q, C)$：查询实体与社区实体重叠度
- $StructuralScore(q, C)$：图结构得分（如边权重、邻居强度、社区密度）
- $\alpha, \beta, \gamma$：加权系数

**方式 2：RRF 异构排名融合**
由于语义相似度（余弦值）、实体重叠率（0~1）与图拓扑得分（无界计数值）量纲差异大且难以人工确定最佳权重，可分别生成三路排名列表，再通过 RRF 进行无量纲融合：
$$
Score_{RRF}(C) = \frac{1}{k + rank_{semantic}(C)} + \frac{1}{k + rank_{overlap}(C)} + \frac{1}{k + rank_{structure}(C)}
$$

最终排序本身是基于结构化数值计算，由 Top-K 结果进入下一步。

### 3.6 答案生成前的 LLM 过滤

在社区排序完成后，通常还会有一个 LLM 参与的“再筛选”步骤：

- 过滤掉明显无关社区
- 判断某些社区是否仅是表面相关
- 识别哪几个社区是真正回答问题的关键社区

这一步的本质不是重新构建图，而是对已排序社区做语义再判定。

### 3.7 证据回传

最终返回 Top-K 社区，并附带：

- 社区摘要
- 社区实体列表
- 相关关系
- 关键 claim
- 相关证据文本

这些信息可以直接作为答案生成的上下文。

---

## 4. 关键公式

### 4.1 边权重公式

图边的权重是关系被重复确认的强度：

$$
weight(u, v) = \sum_{r \in R(u, v)} count(r)
$$

其中：

- $R(u, v)$：实体 $u$ 和 $v$ 之间的关系实例集合
- $count(r)$：该关系被抽取到的重复次数

这意味着：

- 权重越大，关系越重要
- 相关社区越可能是查询的核心答案来源

### 4.2 实体重叠度

社区命中文本的一个简单判断方式是：

$$
EntityOverlap(q, C) = \frac{|E_q \cap E_C|}{|E_q \cup E_C|}
$$

它衡量的是：查询实体和社区实体之间的覆盖程度。

### 4.3 结构得分

图结构得分可由边权重和邻居密度来估算：

$$
StructuralScore(q, C) = \sum_{e \in E_q} \sum_{v \in E_C} weight(e, v)
$$

如果社区中包含大量与查询实体强连接的邻居，那么它更可能成为高质量检索结果。

### 4.4 RRF 倒数排名融合公式（Reciprocal Rank Fusion）

当存在多路异构打分渠道（如向量相似度、关键词精确匹配、图拓扑结构度数等）时，为避免复杂的跨量纲归一化和人工调权，使用 RRF 将各维度的排名直接融合：

$$
RRF\_Score(d) = \sum_{m \in M} \frac{1}{k + r_m(d)}
$$

其中：
- $M$：参与融合的排序通路集合（例如：$M = \{\text{semantic}, \text{overlap}, \text{structure}\}$）
- $r_m(d)$：候选项目 $d$（实体或社区）在通路 $m$ 中的排名位置（从 1 开始）
- $k$：平滑常数（工业界通常取 $k = 60$）

---

## 5. LLM 在检索中需要介入的点

LLM 在 GraphRAG 检索中并不是“全流程必经”，但在以下关键节点通常需要接入：

### 5.1 查询理解与意图拆分

LLM 适合做：

- 把复杂问题拆成多个子问题
- 判断哪些词属于实体、哪些属于主题
- 处理歧义和多义词
- 识别“它和什么相关”而不是只做词匹配

例如：

```text
查询：A 和 B 为什么会在近几个月发生合作？
```

LLM 可以帮助判断：

- 这是“因果/时间/关系”型问题
- 重点可能不是实体名本身，而是事件链和时间背景

### 5.2 语义扩展与意图重写

LLM 可以把查询变成更适合召回的表达：

- 关键词扩展
- 同义改写
- 语义归并
- 把“背景/原因/影响”这些隐式需求转成可召回的概念

如果查询是：

```text
“它的历史沿革”
```

LLM 可以推断其可能指向：

- 时间线
- 事件发展
- 关键节点
- 演进脉络

这会让检索更接近用户真实意图。

### 5.3 LLM 作为最终社区筛选器

即使候选社区已经按打分排序，LLM 仍然可以在候选集合上做一次“语义再判定”：

$$
FinalSelect(q, S) = LLM(q, \{summary(c) \mid c \in S\})
$$

其作用是：

- 移除表面相关但实际上无关的社区
- 识别真正回答问题的最关键社区
- 根据上下文决定是否保留多个社区或只保留最强社区

### 5.4 证据整理和答案生成

召回后的最终步骤，本质上是“基于社区摘要的回答生成”：

$$
Answer = LLM(q, summary_1 + summary_2 + ... + summary_k)
$$

这里 LLM 负责：

- 摘要融合
- 事实排序
- 去噪
- 生成最终自然语言答案

这一步通常不再是检索本身，而是“基于检索结果的生成”。

---

## 6. 检索实现的关键技术点

### 6.1 先查实体，再查社区

不建议直接对所有社区做全文相似度扫描。更稳定的顺序是：

1. 查询实体匹配
2. 扩展邻居
3. 找到相关社区
4. 最后在社区内做摘要召回

这样更符合 GraphRAG 的结构化检索思路。

### 5.2 社区摘要比原文更适合做召回

社区摘要是“压缩后的专题信息”，比原始文档更适合做召回和排序。原因是：

- 摘要覆盖的是主题上下文
- 更少噪声
- 更适合 LLM 做最终综合回答

### 5.3 图结构是召回的重要增强信号

仅看文本相似度可能漏掉：

- 语义不同但图关系强的节点
- 主题相近但描述不一致的实体
- 通过证据聚合形成的高价值社区

因此在 GraphRAG 检索中，图结构是关键的非文本信号。

### 5.4 不要重复构建

检索阶段不需要：

- 重新抽取实体
- 重做关系抽取
- 重建图谱
- 重跑社区检测

只要直接使用已构建好的数据即可。

---

## 7. 最小可用检索接口

在完成索引构建后，最小可用检索接口可以设计成以下几类：

### 接口 1：按问题检索相关社区

```ts
type RetrievalRequest = {
  query: string;
  topK?: number;
};

type CommunityHit = {
  communityId: string;
  score: number;
  summary: string;
  matchedEntities: string[];
};
```

返回：

- 社区 ID
- 排名分数
- 社区摘要
- 命中的实体

### 接口 2：按社区 ID 获取详细证据

```ts
type CommunityDetailsRequest = {
  communityId: string;
};
```

返回：

- community summary
- member entities
- related edges
- claims
- evidence snippets

### 接口 3：按实体名查图关联

```ts
type EntityNeighborsRequest = {
  entityName: string;
  depth?: number;
};
```

返回：

- 直接邻居实体
- 关联边及权重
- 所属社区

---

## 8. 推荐落地顺序

最稳妥的检索实现顺序是：

1. 先做 `query -> entity` 匹配
2. 再做 `entity -> community` 召回
3. 再做 `community -> summary` 排序
4. 最后做 `summary -> answer` 生成

该顺序最符合 GraphRAG 的数据流，也最容易与已有构建结果对接。

---

## 9. 一句话总结

GraphRAG 的检索不是传统全文搜索，而是“基于已构建知识图的主题召回”：

- 先从查询中识别实体
- 再利用图连接和边权重扩展相关实体
- 将实体映射到社区
- 用社区摘要和结构信号排序
- 最终用最相关社区作为文档答案生成的上下文

这正是 GraphRAG 检索的核心实现思路。

``` typescript
function aggregateEdges(edges: Edge[]): AggregatedEdge[] {
    const existing = map.get(key);
    if (existing) {
      existing.weight += 1;
    } else {
      map.set(key, {
        sourceEntityId: item.sourceEntityId,
        targetEntityId: item.targetEntityId,
        relationType,
        weight: 1,
      });
    }
  return Array.from(map.values());
}

function scoreCommunity(query: string, communitySummary: string, entityNames: string[]): number {
  const semanticScore = similarity(query, communitySummary);
  const entityScore = entityNames.reduce((sum, entity) => sum + similarity(query, entity), 0);
  return semanticScore + 0.5 * entityScore;
}

function reciprocalRankFusion<T>(rankedLists: T[][], getId: (item: T) => string, k = 60): Array<{ item: T; score: number }> {
  const scoreMap = new Map<string, { item: T; score: number }>();
  for (const list of rankedLists) {
    list.forEach((item, index) => {
      const id = getId(item);
      const rank = index + 1;
      const current = scoreMap.get(id);
      const rrfScore = 1 / (k + rank);
      if (current) {
        current.score += rrfScore;
      } else {
        scoreMap.set(id, { item, score: rrfScore });
      }
    });
  }
  return Array.from(scoreMap.values()).sort((a, b) => b.score - a.score);
}
```

这个伪代码体现了三个关键点：

- 边权重来自重复关系计数
- 社区相关性来自文本语义 + 实体命中 + 图结构信号
- RRF 算法用于无偏融合多路异构排序（如精确匹配与语义匹配的实体融合、语义与拓扑特征的社区融合）

---

## 6. 文档中的检索实现总结

从 GraphRAG 的角度，文档中的“检索”可以概括为以下统一表达：

```mermaid
flowchart LR
    A[图抽取] --> B[社区索引]
    B --> C[关系权重]
    C --> D[语义与结构召回]
    D --> E[社区摘要融合]
```

它与传统检索的关键差异在于：

- 不再只看原始文本
- 而是看知识结构
- 不再只匹配词，而是匹配主题、实体和事实网络
- 不再只返回局部答案，而是通过社区摘要得到整体答案

因此，真正的检索价值并不只在“命中某一段文档”，而在于：

- 能否稳定发现相关主题
- 能否把分散事实组织成一个知识网络
- 能否在查询时生成更高质量、且更具全局视角的答案

---

## 7. 一句话结论

GraphRAG 下的文档检索，本质上是利用“文档 → 实体/关系/声明 → 知识图 → 社区摘要”的流程，先在大规模语义网络中定位主题，再通过图结构和摘要聚合生成最终答案。这种实现更适合复杂、抽象、跨文档的查询场景。
