最近关注到微软开源了一个项目GraphRag，将知识图谱和Rag结合，具体可以看GitHub：microsoft/graphrag: A modular graph-based Retrieval-Augmented Generation (RAG) system (github.com)
首先安装部署，使用最简单的pip install 安装，详细过程参考官方文档，讲的也是比较清楚的。Get Started (microsoft.github.io)注意输入的txt编码需要和配置文件中对应，一般是utf-8，不然会报错。论坛里面也有大佬已经做过分享，这部分就不再赘述。要是想要图谱可视化，需要把配置文件后面三个选项开启：
snapshots:
graphml: true
raw_entities: true
top_level_nodes: true
接下来就是体验，这次用来测试的是耳熟能详的科幻小说《三体》，用的是第一部，总共约20万字。
由于这玩意儿比较费钱，建立索引阶段只用了gpt-4o-mini来抽取实体关系。
chat_model: gpt-4o-mini
embedding_model: text-embedding-3-large
经过几分钟的等待，索引建立完成了。可以先看看实体抽取的情况，专业一点可以neo4j去进行展示分析。我这里偷个懒，直接用Python绘图。
top10的实体：
top20的实体：
top50的实体
所有的实体：
可以看出其中很多实体的关系过于冗余，一般情况下要有一些实体对齐过程。比如史强和大史应该是同一个实体。
想具体看里面关系还是用neo4j进行可视化比较好。
提问测试：
回归主题：为什么物理学不存在了？
首先使用局部搜索：
进行全局检索：
可以发现这时候全局检索会比局部检索效果好那么一些。
再问一问主角经历：
还有其他一些问题，就不一一展示了。
感觉还行，但是差点意思。PS：在提问阶段，我把模型换成gpt-4o了。
对于这种长文本理解，我们用kimi的官网试试：
不得不说，kimi的长文本理解确实更丝滑一下。
Tokens消耗方面，一路用下来，
索引阶段，花了大概3M-4M tokens
提问阶段基本上是一次提问输入10k-15k的Tokens
还是挺费的，并且抽取实体关系阶段对模型的要求也挺高，不然就瞎抽，当然我是用的提示词是官方默认的。如果可以根据应用领域进行提示词微调，效果可能会好一些。
