【论文解读】理解RAG，看这一篇文章就够了（6）

传统RAG技术在处理全局理解和复杂关系查询时存在明显缺陷。本文深入解读了两种前沿改进方案：微软提出的GraphRAG通过构建知识图谱和社区检测实现全局理解；北邮的LightRAG则通过混合索引和双层检索范式大幅降低成本，两者各具特色，为不同场景提供了优化路径。

智能速览

• 传统RAG在全局查询和复杂关系处理上表现不佳

• GraphRAG通过6个步骤构建知识图谱并生成社区摘要

• GraphRAG采用Map-Reduce架构解决上下文窗口限制

• LightRAG创新采用图+键值对混合索引结构

• LightRAG双层检索范式支持细节和抽象两类查询

• LightRAG在成本和增量更新上具有明显优势

GraphRAG和LightRAG代表了RAG技术发展的重要方向。GraphRAG适合需要全局理解的应用场景，而LightRAG在成本和灵活性上更具优势。随着技术演进，我们期待看到更多兼顾性能与效率的创新方案，让AI真正实现从大海捞针到读懂全库的跨越。