Agent 知識圖譜實作課:讓 Agent 沿著關係走,而不是瞎猜

前言:一道向量 RAG 答不出來的問題

想像一個很普通的維運問題:「上週哪台節點的 kubelet 重啟,跟哪一次部署有關?」向量 RAG 找得到重啟的日誌,也找得到那次部署的變更紀錄,但真正的答案藏在兩者之間——「部署 X 改了 cgroup 設定,導致節點 Y 的 kubelet 在重啟後起不來」。這個因果鏈散在三份文件裡,沒有任何一段文字同時提到部署、設定與節點。向量搜尋找得到段落,答不出關係。

這正是知識圖譜要補的位置。向量 RAG 存的是「段落長什麼樣子」,知識圖譜存的是「誰跟誰有什麼關係」。Agent 的任務常常不是找一段話,而是沿著關係走兩三步、把散落的事實串成一條鏈。這篇文章談五件事:向量 RAG 的天花板在哪裡、GraphRAG 的管線怎麼跑、四種主流路線的取捨、評測數據到底怎麼說,以及 Agent 在查詢時該怎麼用圖,最後給一份最小可跑的骨架。

一、向量 RAG 的天花板:找得到段落,答不出關係

向量 RAG 的檢索單位是文字片段(chunk),判斷標準是語意相似度。這對「事實在哪裡」這類問題很有效,但對三種問題先天吃虧。

第一,多跳問題。 答案要串兩段以上的推理:「誰改了這個設定」→「這個設定影響哪個服務」→「那個服務跑在哪台節點」。每一步的文字可能跟問題本身長得完全不像,相似度檢索第一步就走偏,後面全錯。10 月 5 日那篇 Agentic RAG 談過的檢索迴路能補一部分,但迴路再多,也補不回「檢索單位本身沒有關係」這個缺口。

第二,整體性問題。 「這個專案最大的技術債是什麼」「上季的故障有什麼共同模式」——這類問題要的不是某一段話,而是對整個語料庫的歸納。向量 RAG 只能給你最像的幾段,模型拿著幾段文字硬湊一個全貌,漏掉的比看到的多。

第三,關係本身就是答案。 權限、依賴、組織、部署拓撲——這些知識的本質就是一張網。把它壓平成段落再向量化,等於先把結構拆掉、查詢時再請模型憑空拼回來,拼錯是常態,不是意外。

結論很直接:當問題的形狀是「關係」,檢索的單位就該是「關係」,而不是段落。

二、GraphRAG 的三段管線:抽取、建圖、查詢

如圖一,GraphRAG 的標準管線分三段,全部圍繞一張圖。

第一段:抽取(extract)。 用語言模型把每一段文字讀過,抽出實體(entity)與關係(relationship):節點、部署、設定值、錯誤碼,誰改了誰、誰依賴誰、誰導致誰。每個實體與關係都要記下出處——來自哪份文件、哪一段,否則圖上的每一條邊都無法驗證,Agent 拿到的就是一張沒有證據的關係網。

第二段:建圖(build)。 抽出的實體要先合併:同一台節點在十份文件裡可能有十種寫法,不做實體消歧(entity resolution),圖上會有十個長得很像的節點,查詢時各自為政。微軟 GraphRAG 的做法再往前一步:用 Leiden 社群偵測演算法把關係緊密的實體分群,再為每個社群寫一份摘要。這一步是為了回答整體性問題——查詢時不用讀整張圖,讀社群摘要就夠。

第三段:查詢(query)。 分兩種模式。局部查詢(local search)從問題提到的實體出發,沿著邊走一兩步,把鄰近的子圖當上下文;全域查詢(global search)不針對特定實體,而是讀社群摘要、回答關於整個語料庫的問題。兩種模式查的東西不一樣,成本也差很多,Agent 必須先判斷問題屬於哪一種,再決定走哪條路。

這條管線最貴的一段是抽取。微軟自己的估算大約是:索引成本的四分之三花在建圖的模型呼叫上。這個數字直接決定了後面所有的選型取捨。

三、四種路線對照:沒有最好的圖,只有最合身的圖

市面上的 GraphRAG 做法大致分四派,差別不在理念,在「願意為圖付多少索引成本」。

微軟 GraphRAG(原版,2024 年 2 月發表,論文 4 月上 arXiv)。 最完整,也最貴。實體抽取加社群摘要,索引成本是向量 RAG 的數百倍,優點是全域問題的回答品質最好。2024 年 11 月微軟又推出 LazyGraphRAG:索引時跳過社群摘要,把模型工作延後到查詢時才做,官方說法是索引成本降到完整版的千分之一、約等於向量 RAG。代價是查詢變慢、每次查詢都要多花模型呼叫,適合「索引一次、查得不多」的場景。開源版本已走到 3.3.0,Amazon Bedrock 也在 2025 年 3 月把它做成全託管服務。

HippoRAG 2(俄亥俄州立大學,ICML 2025)。 把檢索看成在記憶圖上的 Personalized PageRank:從問題提到的實體出發,讓分數沿著邊擴散,排在前面的段落就是答案。索引成本比微軟版低得多,強項是多跳問題,弱項是沒有社群摘要,全域問題不是它的主場。

LightRAG(香港大學,EMNLP 2025)。 最輕的路線:保留實體圖,拿掉社群摘要,檢索時分高低兩個層級取實體與關係,支援增量更新——新文件進來只補圖,不用整張圖重建。適合語料一直長、但問題以局部查詢為主的團隊。

實作派:Neo4j 加 LangChain 或 LlamaIndex。 不走論文路線,直接用圖資料庫當底:LangChain 的 LLMGraphTransformer 把文件轉成圖寫進 Neo4j,LlamaIndex 的 PropertyGraphIndex 提供可抽換的抽取器,Neo4j 官方的 neo4j-graphrag 套件則是第一方、專注在儲存與 Cypher 查詢。這一派的優點是圖是持久的、可查的、可維運的——Agent 查詢時可以直接下 Cypher,而不是每次都請模型重讀整張圖;缺點是 schema 要自己管,實體一多,誰來維護 schema 就成了組織問題,不是技術問題。

另外值得一提的是 Zep 的 Graphiti:它給每條邊加上時間,讓新事實進來時舊邊失效而不是被刪掉。這是為 Agent 記憶設計的圖,10 月 1 日談評測時提過的記憶問題,在這裡有了一個具體的工程答案。

四、數據怎麼說:GraphRAG-Bench 的四層成績單

選型不能只看理念,要看數字。廈門大學與香港理工大學團隊的 GraphRAG-Bench(ICLR 2026)把九種檢索方法放在同一批語料上,用四種難度遞增的任務打分,結果很有指導性。

事實檢索(單跳、找一段話):向量 RAG 加 rerank 拿 60.92 分,HippoRAG 2 拿 60.14 分,幾乎平手;微軟 GraphRAG 只有 49.29 分,落後 11.6 分。圖在這裡是負擔,不是幫助。

複雜推理(多跳):向量 RAG 42.93 分,微軟 GraphRAG 50.93 分,HippoRAG 2 53.38 分。圖開始贏,領先約 10 分。

上下文摘要(整體歸納):向量 RAG 51.30 分,微軟 GraphRAG 64.40 分,HippoRAG 2 64.10 分。圖的領先擴大到 13 分。

創意生成:向量 RAG 38.26 分,HippoRAG 2 48.28 分,微軟 GraphRAG 39.10 分。

但成本數字要一起看:同一個基準測試裡,微軟 GraphRAG 一次局部查詢要用 38,707 個 prompt token,向量 RAG 只要 879 個,相差約 44 倍。這就是圖的真實價格:多跳與摘要問題贏 10 到 13 分,代價是每次查詢 44 倍的上下文,以及數百倍的索引成本。

微軟原始論文的數字也指向同一個結論:在百萬 token 量級的語料上,GraphRAG 的全域摘要比基準 RAG 的完整度高 72% 至 83%、多樣性高 62% 至 82%,而且頂層摘要用的 token 反而少 97%——因為讀的是社群摘要,不是原始段落。圖的價值集中在「全域」與「多跳」,不在「找一段話」。

選型的決策樹因此很簡單:先量自己的問題分佈。如果八成問題是事實檢索,圖是浪費錢;如果經常要問「誰影響誰」「整體模式是什麼」,圖才值得付索引成本。

五、Agent 怎麼用圖:三種接法

圖建好之後,Agent 怎麼查?如圖二,有三種接法,按自主權由低到高排列。

接法一:圖當檢索器。 Agent 不直接碰圖,只呼叫一個 graph_search 工具,工具內部做實體抽取、走圖、回傳子圖與出處。這是最安全的做法:圖的查詢邏輯寫死在工具裡,Agent 只決定「要不要查圖」。缺點是工具回傳的子圖可能太大,要先在工具內部做摘要與截斷,否則上下文會被子圖塞滿——11 月 16 日日誌分析那篇談過的教訓,在這裡一模一樣。

接法二:Agent 自己寫查詢。 把 Cypher 的 schema 交給 Agent,讓它按問題生成查詢語句,查完再決定要不要追問。這種做法最靈活,也最危險:模型生成的查詢可能錯、可能慢、可能把整張圖掃一遍。護欄有三道:唯讀帳號(查詢語句只能讀、不能寫)、查詢前先做靜態檢查(拒絕沒有 LIMIT 的全圖掃描)、超時直接斷開。LangChain 的官方範例走的就是這條路,但範例沒有護欄,生產環境不能照抄。

接法三:圖當記憶。 Agent 每次完成任務,把學到的事實寫回圖裡:這次修復改了哪個設定、哪個節點有這個前科、哪份 runbook 已經過期。下次遇到類似問題,Agent 先查圖、再查文件。這是 Zep Graphiti 的設計,也是 10 月 1 日那篇記憶系統文章的自然延伸——記憶不再是一堆向量,而是一張帶時間的關係網。代價是寫入也要審核:Agent 寫進圖的事實錯了,會污染之後所有的查詢,寫入端必須有驗證迴路。

三種接法可以疊加:先用接法一上線,問題複雜了再開接法二,記憶需求出現了再加接法三。一次全開,等於同時承擔三種風險。

六、落地:最小可跑骨架

理論講完,落到一個可以本週動手的骨架。假設場景是 Dylan 的 Drydock:巡檢紀錄、部署紀錄、runbook 三類文件,先做一張小圖。


# 1. 抽取:每份文件抽實體與關係,出處寫死在邊的屬性上
#    (LangChain LLMGraphTransformer,或直接請模型按固定 schema 回 JSON)
# 2. 寫入:Neo4j 唯讀帳號給查詢用,寫入走另一組帳號
#    MERGE (n:Node {name: $name})  # MERGE 而非 CREATE,避免重複節點
# 3. 查詢:Agent 只調 graph_search 工具,工具內部做兩步
#    a. 向量檢索找入口實體(問題提到的節點、服務、錯誤碼)
#    b. Cypher 沿邊走兩跳,取子圖,回傳時附出處、截斷到 20 條邊以內
# 4. 驗證:子圖的每條邊都要能點回原始文件,點不回去的邊不上報
# 5. 評估:先跑 50 個真實問題,量三個數——事實檢索準確率、
#    多跳問題準確率、每次查詢的 prompt token 數

四道護欄要先寫死再上線:第一,Agent 的圖查詢一律唯讀,寫入圖的動作走批準閘門;第二,查詢語句強制 LIMIT、強制超時,拒絕全圖掃描;第三,圖的實體抽取用小模型或規則先做,貴的模型只用在查詢時的摘要,不要拿最貴的模型做最便宜的索引;第四,每週量一次圖的品質——孤立節點比例、重複實體比例、邊的出處完整率,數字變差就先停下來修圖,不要急著擴大語料。

先跑一個月再評估:問題分佈決定一切。如果多跳問題不到兩成,圖的索引成本收不回來,退回向量 RAG 加 rerank 是正確的決定,不是失敗。

我的看法

結論:能用,但只用在關係型問題上。 圖不是向量 RAG 的升級版,是另一種工具:事實檢索它輸 11 分,多跳與摘要它贏 10 到 13 分。先量自己的問題分佈再決定要不要建圖,這個順序不能反——先建圖再找問題,是成本工程上最容易犯的錯。

務實建議:本週先做最小驗證——拿 Drydock 過去一個月的巡檢與部署紀錄,用 LightRAG 或 Neo4j 加 LangChain 建一張小圖,只接 graph_search 一個工具,跑 50 個真實問題對照向量 RAG 的成績。數字會告訴你圖值不值得繼續投錢:多跳準確率贏超過 10 分、且查詢 token 成本在預算內,才擴大語料;否則就把圖收起來,向量 RAG 繼續用。

結論

Agent 的知識不該只是一堆段落。當問題的形狀是關係,檢索的單位就該是關係:抽取建圖、查詢走邊、答案附出處。圖的代價是真實的——數百倍的索引成本、44 倍的查詢 token——所以它只屬於兩種問題:多跳推理與整體歸納。其餘的問題,向量 RAG 已經夠好,便宜才是正確答案。

來源

- Edge 等人,From Local to Global: A Graph RAG Approach to Query-Focused Summarization(微軟 GraphRAG 原始論文):https://arxiv.org/abs/2404.16130

- 微軟 GraphRAG:LazyGraphRAG 索引成本降至完整版的 0.1%:https://microsoft.github.io/graphrag/

- GraphRAG-Bench:When to use Graphs in RAG(廈門大學、香港理工大學,ICLR 2026):https://arxiv.org/html/2506.05690v3

- HippoRAG 2:Personalized PageRank 記憶圖檢索(俄亥俄州立大學,ICML 2025):https://github.com/OSU-NLP-Group/HippoRAG

- LightRAG:雙層檢索與增量更新(香港大學,EMNLP 2025):https://github.com/HKUDS/LightRAG

- Neo4j GraphRAG 官方套件與 LangChain、LlamaIndex 三方對照:https://neo4j.com/docs/graphrag/current/

- IBM:What is GraphRAG?(GraphRAG 四大元件與應用場景):https://www.ibm.com/think/topics/graphrag

Uploaded Image Uploaded Image

沒有留言:

張貼留言