实体图与GraphRAG

图适合关系问题与全局综合

“某项目涉及哪些部门和供应商”需要追踪实体关系，“全部访谈最主要的主题是什么”需要跨资料综合；普通top-k语义搜索不一定能覆盖这些问题。GraphRAG通过抽取实体、关系和社区结构，为局部关系查询或全局主题总结提供另一种索引。

Microsoft GraphRAG官方区分local、global、DRIFT和basic search：局部检索结合图与原文，全局查询使用社区报告，DRIFT结合局部与社区信息。官方也指出global search资源消耗较大。因此图路线应服务明确问题，不必替换每次简单政策检索。

图里的边仍需要证据

实体消歧、关系方向、否定、时间和条件会影响图质量。模型抽取的“合作”不能自动升级为采购关系，旧关系也不能永久生效。建议每条边保存来源片段、抽取版本、有效时间与验证状态，并允许回到原文检查。

社区摘要如果合并多个权限域，可能通过综合结果泄露受限关系。应限制聚类与摘要的可见范围，或建立可证明的授权投影；不能只给底层chunk加ACL，而让全库社区报告对所有人开放。资料删除后，派生图和摘要也需更新。

用失败集决定是否投资

先确认已有解析、混合召回和重排仍无法解决的案例确实需要关系遍历或全局覆盖。比较基本RAG、图局部检索和全局总结的质量、token成本、延迟及增量更新成本。图可提高某类能力，也可能把抽取错误扩散到更多答案。

验收应包括同名实体、关系变更、被撤回来源和跨权限社区。答案不仅要列出关系，还要说明证据、日期和未知部分。GraphRAG是文档检索策略，不能因为同样使用图就与用户长期记忆或业务权威图谱混为一谈。