P1725分钟
知识图谱与 GraphRAG
多跳问题会暴露向量搜索的局限。P8 给出 agentic retrieval，由 Agent 查询时探索；本课给出预建知识图谱。两条路都成立，权衡决定哪条适配语料。
SDK Focusstructured outputtool usemulti-step reasoningMCP tools
GraphRAG 为什么存在
向量搜索能找到与查询语义相似的文档。它适合单跳事实性问题，但多跳问题需要遍历实体关系：
text
查询："我们的退款政策是什么？"
向量搜索：找到退款政策文档 → 完美！
查询："哪些参与了 Alpha 项目的工程师同时也贡献了 Beta 项目？"
向量搜索：分别找到提及 Alpha 项目或 Beta 项目的文档
→ 可能无法跨文档连接关系向量搜索将每个文档视为嵌入空间中的独立点，没有连接概念。你可以让 Agent 在查询时实时探索（P8 agentic RAG），也可以预先构建存储关系的图索引。
本课完整走一遍图路线：表示和抽取三元组、查询图、实现 Local / Global Search，再评估建索引成本。
text
单跳（向量搜索胜任）：
"X 是什么？" → 找到关于 X 的文档
多跳（向量吃力；图或 agentic search 胜出）：
"X 通过 Z 与 Y 有什么关系？" → 遍历 X → Z → Y
"事件 A 的所有后果是什么？" → 跟踪因果链
"B 团队和 C 团队的共同协作者有谁？" → 关系上做集合交集知识图谱将实体及其关系显式存为可查询结构，从而支持多跳查询。
知识图谱基础
三元组：实体-关系-实体
知识图谱中的每个事实都以三元组存储，即两个实体通过一个关系连接：