Microsoft GraphRAG：社区发现与全局摘要
本文基于模型知识整理（生成时未联网核对），关键结论建议对照经典文献复核。
一句话定义
微软 GraphRAG（2024）在实体—关系图上跑层次化社区发现（Leiden 算法），让 LLM 为每个社区生成摘要，形成"局部片段 → 社区摘要 → 大区摘要 → 全库摘要"的层次结构；查询时对全库性问题沿社区摘要做 Map-Reduce 式归纳——这是"盲区二：全局聚合"的代表作解法。
为什么重要
GraphRAG 论文首次系统回答了"RAG 如何做全局性总结"：传统向量 RAG 只能 top-k 局部，GraphRAG 用社区层次把全库组织成可逐层消费的摘要树，在"数据集整体主题"类问题上显著优于基线向量 RAG。它也定义了图构建→社区→摘要→映射归约的完整参考实现，是本方向的事实蓝本。
前置知识
核心概念
- 索引阶段：文本 → 实体/关系抽取（LLM + gleaning 多轮补抽）→ 实体协现图（实体为节点、同块共现为边，边可带权重与描述）→ Leiden 层次化社区发现（把紧密关联的实体聚成社区，递归细分出多层级）→ 每个社区生成 LLM 摘要（高层社区摘要综合子社区）。
- 局部查询（local search）：与实体相关的问题——从问题抽实体，找相关社区/实体邻域，连同原始文本块一起进上下文。
- 全局查询（global search）：与全库主题相关的问题——Map 阶段：每轮抽样一批社区摘要，LLM 生成"部分答案+关键点评分"；Reduce 阶段：汇总所有部分答案按重要性排序生成最终答案。
- 成本特征：索引阶段按全库 token 数消耗 LLM 调用（比向量索引贵一个数量级以上），社区摘要与全局查询都持续烧 token——这是它最大的工程门槛。
原理与机制
为什么社区发现是关键一步：全库摘要不可能一次生成（超窗口），必须分层。社区=主题的自然聚类（Leiden 保证模块度最优的紧密子图），"社区摘要"就是"主题摘要"的天然单元；层次结构让"看全局"（顶层摘要）与"钻细节"（下钻子社区→原文）共用一棵树。
Map-Reduce 的意义：全局问题被拆成"每社区局部观点 → 归纳全局"，每步都在窗口内；关键点评分让 Reduce 阶段优先采纳高价值局部结论。这本质是把 kp-014 的上下文工程上移到"摘要层"：喂给模型的是压缩过的结构化视角而非原始片段。
两种查询模式的适配：local search 复杂度低、延迟小，适合日常问答；global search 需要遍历大量社区摘要（贵、慢、可并发），适合"报告/盘点/趋势"类低频深问题。生产上应按查询类型路由（kp-026）。
图示
索引: 文本 ─抽取(gleaning)─► 实体协现图 ─Leiden─► 层次社区树
每社区 ─LLM─► 社区摘要(高层摘要综合低层)
全局查询: [社区摘要×N] ─Map(评分+部分答案)─► ─Reduce─► 全局答案
局部查询: 问题实体 ─► 相关社区+邻域+原文块 ─► 答案实例或案例
- 论文实测（公开数据集如播客转录、新闻语料）：全局类问题上 GraphRAG 的答案全面性/多样性被 LLM 评委显著排在向量 RAG 之上；局部类问题两者相当。
- 企业实践：全库级"年报风险综述""规章制度主题盘点"用 global search；单点事实问答走 local 或普通向量路。
常见误区
- 误区一："GraphRAG 全面取代向量 RAG"。它的优势面是全局综合；日常片段问答向量路更快更便宜——混合路由才是正确姿势（kp-026）。
- 误区二："跑一遍索引就完了"。文档更新要重算受影响社区与摘要（增量策略是选型时就要问的问题）；索引成本按 token 计费需预算。
- 误区三："社区摘要一定忠实"。摘要是 LLM 生成的二手信息，可能带偏；关键决策链路仍需下钻到原文块核查。
与其他知识点的关系
自测题
- Leiden 社区发现在 GraphRAG 里的作用？
答：把实体协现图聚成层次化主题社区，社区成为"可被 LLM 摘要的全局视角单元"，支撑逐层归纳的全局问答。
- global search 的 Map-Reduce 怎么工作？
答：Map 对各社区摘要生成部分答案并给关键点打分，Reduce 汇总按分排序合成最终答案——每步控制在窗口内。
- GraphRAG 最大的工程代价是什么？
答：索引与查询的 LLM token 成本（全库抽取+逐社区摘要+全局遍历），及文档更新时的增量重算复杂度。
延伸阅读
- Edge 等, "From Local to Global: A Graph RAG Approach to Query-Focused Summarization"（arXiv 2024）。
- Microsoft GraphRAG 官方仓库与文档（索引/查询配置）。
- Leiden 算法：Traag 等, "From Louvain to Leiden"（2019）。