在大模型時代，檢索增強(qiáng)生成（RAG）早已成為解決 “幻覺” 問題的核心方案。但隨著技術(shù)演進(jìn)，GraphRAG—— 這種引入圖結(jié)構(gòu)的進(jìn)階形態(tài)，卻陷入了 “理論美好、實(shí)踐迷?！?的困境：有人說它在多跳推理中表現(xiàn)驚艷，也有人抱怨它延遲高、Token 消耗大，簡單任務(wù)反而不如傳統(tǒng) RAG。

到底什么時候該用 GraphRAG？廈門大學(xué)、香港理工大學(xué)等團(tuán)隊(duì)聯(lián)合發(fā)表的論文《When to use Graphs in RAG: A Comprehensive Analysis for Graph Retrieval-Augmented Generation》，不僅戳破了現(xiàn)有評估基準(zhǔn)的漏洞，更用全新的 GraphRAG-Bench 框架，為 “RAG vs GraphRAG” 的選擇提供了清晰指南。

01、先搞懂：RAG 和 GraphRAG 到底差在哪？

要判斷 “誰更適合”，首先得明確二者的核心差異。傳統(tǒng) RAG 和 GraphRAG 的本質(zhì)區(qū)別，在于對 “上下文關(guān)系” 的處理方式 ——

傳統(tǒng) RAG：快，但 “只見樹木不見森林”

傳統(tǒng) RAG 的邏輯很直接：用戶提問后，它基于語義相似性從語料庫中檢索相關(guān)文本片段，再把這些片段喂給大模型生成答案。這種模式的優(yōu)勢是 “快”，無需額外處理，能快速定位離散事實(shí)，但短板也很明顯：

它只關(guān)注單個文本片段與查詢的匹配度，卻忽略了概念之間的隱藏關(guān)系—— 比如 “肺癌治療方案” 與 “化療藥物副作用”“患者肝腎功能評估” 之間的關(guān)聯(lián)，傳統(tǒng) RAG 可能只能檢索到孤立的 “治療方案” 文本，卻無法串聯(lián)起后續(xù)的 “副作用管理” 和 “評估標(biāo)準(zhǔn)”，導(dǎo)致復(fù)雜任務(wù)中答案不完整。

GraphRAG：能 “織網(wǎng)”，但有額外成本

GraphRAG 則在 RAG 的基礎(chǔ)上多了一步 “圖構(gòu)建”：先把語料庫中的實(shí)體（如 “肺癌”“紫杉醇”）、關(guān)系（如 “治療藥物”“副作用”）提取出來，構(gòu)建成一張知識圖；用戶提問時，它不僅檢索直接相關(guān)的節(jié)點(diǎn)，還會遍歷圖以捕獲相互連接的子圖，發(fā)現(xiàn)潛在模式，捕捉多步推理鏈（比如 “肺癌→紫杉醇治療→白細(xì)胞降低→需注射升白針”）。

這種 “織網(wǎng)” 能力讓它在復(fù)雜任務(wù)中更有潛力，但代價也很直觀：

• 圖構(gòu)建需要額外計(jì)算資源，處理大規(guī)模數(shù)據(jù)時耗時久；
• 檢索階段要遍歷圖結(jié)構(gòu)，延遲比傳統(tǒng) RAG 高 2-3 倍（論文中 HotpotQA 數(shù)據(jù)集的實(shí)測結(jié)果）；
• Token 消耗大，部分 GraphRAG 框架（如 Global-GraphRAG）的提示長度甚至能達(dá)到 40000 Token，遠(yuǎn)超傳統(tǒng) RAG。

總的來說，這兩種范式之間的主要區(qū)別在于它們對上下文深度的處理。RAG 在需要快速訪問離散信息的場景中表現(xiàn)出色，而GraphRAG 則強(qiáng)調(diào)對需要對相互連接的數(shù)據(jù)進(jìn)行細(xì)致理解的任務(wù)進(jìn)行深度上下文分析。

02、現(xiàn)有基準(zhǔn)的 “三大漏洞”：根本測不出 GraphRAG 的真實(shí)水平

為什么之前對 GraphRAG 的評價褒貶不一？論文指出，核心問題出在評估基準(zhǔn)本身?，F(xiàn)有常用的基準(zhǔn)（如 HotpotQA、UltraDomain）是為傳統(tǒng) RAG 設(shè)計(jì)的，用來測 GraphRAG 時，就像用 “尺子量體重”，完全抓不住重點(diǎn)。

這些基準(zhǔn)的漏洞主要有三個：

1. 任務(wù)太 “淺”：只考 “找事實(shí)”，不考 “真推理”

現(xiàn)有基準(zhǔn)的 “多跳問題”，本質(zhì)上還是 “事實(shí)拼接”。比如 “誰創(chuàng)立了 Kjaer Weis 公司？這個人出生在哪個城市？”—— 只需要找到兩個離散事實(shí)，再拼在一起，根本不需要復(fù)雜的邏輯綜合。

但現(xiàn)實(shí)中的復(fù)雜問題，比如 “為什么 xxx 公司在某市場失?。俊?，可能需要串聯(lián) “市場進(jìn)入時機(jī)→供應(yīng)鏈中斷→監(jiān)管罰款→品牌受損” 的多步因果鏈，這才是 GraphRAG 的優(yōu)勢場景?，F(xiàn)有基準(zhǔn)完全沒有這類任務(wù)，自然測不出 GraphRAG 的價值。

2. 語料太 “散”：缺乏結(jié)構(gòu)化知識，圖結(jié)構(gòu)無用武之地

現(xiàn)有基準(zhǔn)的語料大多來自維基百科、新聞，這些文本雖然通用，但缺乏明確的邏輯層次。比如醫(yī)學(xué)領(lǐng)域的語料，既沒有 “癥狀→診斷→治療” 的清晰關(guān)系，也沒有 “藥物相互作用” 的結(jié)構(gòu)化定義 ——GraphRAG 即便構(gòu)建了圖，也只是 “零散節(jié)點(diǎn)的堆砌”，發(fā)揮不出 “遍歷推理” 的優(yōu)勢。

論文中提到，UltraDomain 雖然嘗試用教科書構(gòu)建領(lǐng)域語料，但概念之間的連接依然松散，遠(yuǎn)達(dá)不到測試多跳推理的閾值。

3. 指標(biāo)太 “偏”：只看最終答案，不管 “過程價值”

現(xiàn)有基準(zhǔn)的評估指標(biāo)（如答案準(zhǔn)確率、ROUGE 分?jǐn)?shù)），只關(guān)注最終生成的文本好不好，卻把 GraphRAG 的核心過程（圖構(gòu)建質(zhì)量、檢索相關(guān)性）當(dāng)成了黑箱。

比如兩個 GraphRAG 模型，一個圖結(jié)構(gòu)清晰、檢索到的推理鏈完整，只是生成時語言不夠流暢；另一個圖結(jié)構(gòu)混亂，但靠大模型 “腦補(bǔ)” 出了流暢答案 —— 現(xiàn)有指標(biāo)會把后者判為 “更好”，但這顯然違背了 GraphRAG “靠結(jié)構(gòu)提升推理能力” 的初衷。

03、GraphRAG-Bench：首個能 “精準(zhǔn)把脈” 的評估框架

為了補(bǔ)上這些漏洞，論文團(tuán)隊(duì)提出了GraphRAG-Bench—— 一個專門為 GraphRAG 設(shè)計(jì)的基準(zhǔn)框架。它的核心思路是：從 “任務(wù)、語料、指標(biāo)” 三個維度，全面覆蓋 GraphRAG 的優(yōu)勢場景和短板。

具體而言，GraphRAG-Bench包含以下三個核心組成部分：

1. 難度遞增的任務(wù)：涵蓋從簡單的事實(shí)檢索到復(fù)雜的多跳推理、上下文摘要和創(chuàng)意生成。
2. 具有不同信息密度的真實(shí)語料庫：結(jié)合了結(jié)構(gòu)化的領(lǐng)域知識和非結(jié)構(gòu)化的文本數(shù)據(jù)。
3. 全流程系統(tǒng)評估：從圖構(gòu)建、知識檢索到最終生成的全面評估。

1. 任務(wù)：從 “找事實(shí)” 到 “創(chuàng)內(nèi)容”，難度階梯式遞增

GraphRAG-Bench設(shè)計(jì)了四類任務(wù)，覆蓋從簡單到復(fù)雜的全場景，精準(zhǔn)測試不同能力：

這種階梯式任務(wù)設(shè)計(jì)，能清晰看出：傳統(tǒng)RAG在“事實(shí)檢索”中更高效，而GraphRAG在“多跳推理”“上下文摘要”中更有優(yōu)勢。

2. 語料：“結(jié)構(gòu)化 + 非結(jié)構(gòu)化” 雙結(jié)合，還原真實(shí)場景

GraphRAG-Bench沒有用通用語料，而是針對性選擇了兩類互補(bǔ)數(shù)據(jù)：

• 結(jié)構(gòu)化醫(yī)學(xué)數(shù)據(jù)：來自美國國家綜合癌癥網(wǎng)絡(luò)（NCCN）臨床指南，包含“癥狀→診斷→治療”的明確層次、藥物相互作用規(guī)則，專門測試GraphRAG的“結(jié)構(gòu)化推理”能力；
• 非結(jié)構(gòu)化小說文本：來自古登堡計(jì)劃的20世紀(jì)前小說（選鮮為人知的作品，避免與大模型預(yù)訓(xùn)練數(shù)據(jù)重疊），文本中有非線性的敘事邏輯，測試GraphRAG在“模糊語境”中的檢索魯棒性。

這兩類語料覆蓋了“精準(zhǔn)領(lǐng)域知識”和“真實(shí)模糊文本”，正好對應(yīng)GraphRAG的典型應(yīng)用場景。

3. 指標(biāo)：全流程評估，不只看 “最終答案”

GraphRAG-Bench最關(guān)鍵的創(chuàng)新，是設(shè)計(jì)了三階段評估指標(biāo)，從“圖構(gòu)建”到“檢索”再到“生成”，每個環(huán)節(jié)都有明確衡量標(biāo)準(zhǔn)：

• 圖質(zhì)量：用“節(jié)點(diǎn)數(shù)”“邊數(shù)”“平均聚類系數(shù)”衡量圖的完整性和連接緊密性（比如醫(yī)學(xué)圖中“疾病-治療-副作用”的子圖聚類系數(shù)高，說明結(jié)構(gòu)更合理）；
• 檢索性能：用“上下文相關(guān)性”（檢索內(nèi)容與查詢的匹配度）和“證據(jù)召回率”（是否找全所有關(guān)鍵信息），避免“檢索冗余”或“遺漏關(guān)鍵鏈”；
• 生成準(zhǔn)確性：除了傳統(tǒng)的語義相似度，還加入“忠實(shí)度”（答案是否完全基于檢索到的圖信息，不腦補(bǔ)）和“證據(jù)覆蓋率”（是否覆蓋所有關(guān)鍵推理步驟）。

這種全流程指標(biāo)，終于能“看到”GraphRAG的核心價值——比如某模型生成的答案雖然流暢，但“忠實(shí)度低”，說明它靠大模型腦補(bǔ)，而非圖結(jié)構(gòu)的推理；反之，若“證據(jù)召回率高、忠實(shí)度高”，才是GraphRAG真正發(fā)揮了作用。

04、實(shí)驗(yàn)：明確“什么時候該用 GraphRAG”

基于 GraphRAG-Bench，團(tuán)隊(duì)測試了 7 種主流 GraphRAG 框架（如 HippoRAG2、RAPTOR）與傳統(tǒng) RAG 的性能，旨在解決以下四個研究問題：

1. Q1（生成準(zhǔn)確性）：在GraphRAG-Bench基準(zhǔn)上，GraphRAG與RAG的表現(xiàn)相比如何？
2. Q2（檢索性能）：GraphRAG在檢索過程中是否檢索到更高質(zhì)量且更少冗余的信息？
3. Q3（圖復(fù)雜度）：構(gòu)建的圖是否正確組織了底層知識？
4. Q4（效率）：GraphRAG在檢索過程中是否引入了顯著的標(biāo)記開銷？

Q1（生成準(zhǔn)確性）：在GraphRAG-Bench基準(zhǔn)上，GraphRAG與RAG的表現(xiàn)相比如何？

1. 觀察1：基本RAG在簡單事實(shí)檢索任務(wù)中與GraphRAG相當(dāng)。在不需要跨連接概念進(jìn)行復(fù)雜推理的簡單事實(shí)檢索任務(wù)中，基本RAG與GraphRAG相當(dāng)或優(yōu)于后者。這表明在不太復(fù)雜的場景中，基本RAG的直接檢索方法已足夠，而GraphRAG額外的基于圖的處理可能會為更簡單的查詢引入冗余或噪聲信息，從而降低答案質(zhì)量。
2. 觀察2：GraphRAG在復(fù)雜任務(wù)中表現(xiàn)出色。GraphRAG模型在復(fù)雜推理、上下文摘要和創(chuàng)意生成方面顯示出明顯優(yōu)勢。因?yàn)檫@些任務(wù)需要橋接多個概念之間的復(fù)雜關(guān)系，而這自然是圖結(jié)構(gòu)的優(yōu)勢所在。
3. 觀察3：GraphRAG在創(chuàng)意任務(wù)中確保更高的事實(shí)可靠性。盡管RAG覆蓋了更多證據(jù)（40.0%），但RAPTOR在小說數(shù)據(jù)集上的忠實(shí)度得分最高（70.9%）——這可能是因?yàn)镚raphRAG的碎片化知識檢索使大范圍生成變得復(fù)雜。這種權(quán)衡凸顯了GraphRAG在精確性方面的優(yōu)勢，但也顯示了其在廣泛綜合方面的局限性。

Q2（檢索性能）：GraphRAG在檢索過程中是否檢索到更高質(zhì)量且更少冗余的信息？

1. 觀察4：RAG在不需要復(fù)雜邏輯的簡單問題的離散事實(shí)檢索方面表現(xiàn)出色，在小說數(shù)據(jù)集上實(shí)現(xiàn)了83.2%的上下文召回率（相比之下，HippoRAG2的上下文相關(guān)性最佳）。醫(yī)學(xué)數(shù)據(jù)集的結(jié)果證實(shí)了這一模式，表明1級問題的相關(guān)證據(jù)通常存在于單個段落中。這是因?yàn)镚raphRAG中使用的圖在這些場景中引入了一些邏輯相關(guān)但冗余的信息。
2. 觀察5：隨著問題變得更加復(fù)雜，GraphRAG的優(yōu)勢明顯顯現(xiàn)。對于小說數(shù)據(jù)集上的2-3級問題，HippoRAG實(shí)現(xiàn)了顯著的證據(jù)召回率（87.9-90.9%），而HippoRAG2在上下文相關(guān)性方面領(lǐng)先（85.8-87.8%）。醫(yī)學(xué)數(shù)據(jù)集的結(jié)果強(qiáng)化了這一趨勢，證明了GraphRAG在跨遠(yuǎn)距離文本段連接信息方面的獨(dú)特能力，這對多跳推理和全面摘要至關(guān)重要。
3. 觀察6：在需要廣泛知識綜合的創(chuàng)意任務(wù)上，RAG和GraphRAG表現(xiàn)出權(quán)衡。Global-GraphRAG實(shí)現(xiàn)了卓越的證據(jù)召回率（83.1%），而RAG保持了更好的上下文相關(guān)性（78.8%）。盡管GraphRAG總體上訪問了更多相關(guān)信息，但與RAG更集中的結(jié)果相比，其檢索方法自然會引入一些冗余。

Q3（圖復(fù)雜度）：構(gòu)建的圖是否正確組織了底層知識？

1. 觀察7：不同GraphRAG實(shí)現(xiàn)生成的索引圖表現(xiàn)出顯著的結(jié)構(gòu)差異。HippoRAG2生成的圖密度明顯更高，其節(jié)點(diǎn)數(shù)和邊數(shù)都大大超過了其他框架。具體而言，在小說數(shù)據(jù)集上，HippoRAG2平均有2,310條邊和523個節(jié)點(diǎn)，而在醫(yī)學(xué)數(shù)據(jù)集上，平均有3,979條邊和598個節(jié)點(diǎn)。這種增強(qiáng)的圖密度提高了信息連接性和覆蓋率，最終有助于卓越的檢索和生成能力。

Q4（效率）：GraphRAG在檢索過程中是否引入了顯著的標(biāo)記開銷？

1. 觀察8：與普通RAG相比，GraphRAG由于知識檢索和基于圖的聚合所涉及的額外步驟，顯著增加了提示長度。具體而言，結(jié)合了社區(qū)摘要機(jī)制的Global-GraphRAG的提示大小高達(dá)4×10?個標(biāo)記。LightRAG也產(chǎn)生了較長的提示（約10?個標(biāo)記）。相比之下，HippoRAG2保持了更緊湊的提示大小（約103個標(biāo)記），顯示出更好的效率。這些結(jié)果突出表明，GraphRAG的結(jié)構(gòu)化流程會帶來可觀的標(biāo)記開銷。
2. 觀察9：隨著任務(wù)復(fù)雜度和所需知識點(diǎn)數(shù)量的增加，GraphRAG的提示長度呈現(xiàn)明顯的上升趨勢。值得注意的是，Global-GraphRAG的提示大小在難度遞增的任務(wù)中從7,800個標(biāo)記擴(kuò)展到40,000個標(biāo)記。這種過多的標(biāo)記積累通常會引入冗余信息，進(jìn)而在檢索過程中降低上下文相關(guān)性。這些發(fā)現(xiàn)強(qiáng)調(diào)了GraphRAG中的一個關(guān)鍵權(quán)衡：雖然它提高了檢索的廣度和組織性，但也可能由于提示膨脹而導(dǎo)致效率低下，尤其是在復(fù)雜任務(wù)中。

05、總結(jié)：選擇 RAG 還是 GraphRAG？

讀完這篇論文，其實(shí)不用再糾結(jié)“誰更好”，而是要問自己三個問題：

1. 任務(wù)復(fù)雜度如何？ 簡單事實(shí)檢索用傳統(tǒng)RAG，多跳推理、深度摘要用GraphRAG；
2. 對實(shí)時性和成本敏感嗎？ 敏感選傳統(tǒng)RAG，不敏感且追求質(zhì)量選GraphRAG；
3. 語料有結(jié)構(gòu)化關(guān)系嗎？ 有（如醫(yī)學(xué)指南、領(lǐng)域知識庫）用GraphRAG，無（如新聞、通用文本）優(yōu)先傳統(tǒng)RAG。

傳統(tǒng) RAG 的 “黃金場景”：簡單、快、資源有限

當(dāng)滿足以下條件時，別糾結(jié)，直接用傳統(tǒng)RAG：

1. 任務(wù)是簡單事實(shí)檢索：比如“某藥物的適應(yīng)癥是什么？”“某公司成立于哪一年？”——論文實(shí)測顯示，在這類任務(wù)中，傳統(tǒng)RAG的準(zhǔn)確率比GraphRAG高13.4%（Natural Questions數(shù)據(jù)集結(jié)果），且速度快、Token消耗少；
2. 對實(shí)時性要求高：比如客服機(jī)器人、實(shí)時問答系統(tǒng)，傳統(tǒng)RAG的低延遲優(yōu)勢明顯；
3. 計(jì)算資源有限：小團(tuán)隊(duì)或邊緣設(shè)備，無法承擔(dān)圖構(gòu)建的額外成本，傳統(tǒng)RAG的性價比更高。

GraphRAG的“優(yōu)勢場景”：復(fù)雜、深度、需可靠  

當(dāng)任務(wù)符合以下特征時，GraphRAG的價值會凸顯：

1. 需要多跳推理：比如“某患者同時患有肺癌和乙肝，使用紫杉醇治療時需注意哪些藥物相互作用？”——需要串聯(lián)“肺癌治療→紫杉醇→乙肝用藥（如恩替卡韋）→無相互作用”的推理鏈，傳統(tǒng)RAG容易遺漏關(guān)鍵環(huán)節(jié)，而GraphRAG的圖遍歷能力能確保邏輯完整；
2. 需要上下文摘要：比如“總結(jié)某疾病的最新治療進(jìn)展，包括藥物、臨床試驗(yàn)結(jié)果、適用人群”——需要整合分散在多篇文獻(xiàn)中的信息，GraphRAG能通過圖結(jié)構(gòu)關(guān)聯(lián)“藥物→試驗(yàn)數(shù)據(jù)→適用人群”，生成更全面的摘要；
3. 對事實(shí)可靠性要求高：比如醫(yī)療診斷建議、法律文書生成，GraphRAG的“忠實(shí)度”更高（論文中RAPTOR在小說數(shù)據(jù)集的忠實(shí)度得分70.9%，高于傳統(tǒng)RAG的40.0%），能減少大模型的“腦補(bǔ)”，降低錯誤風(fēng)險。

關(guān)鍵提醒：GraphRAG的“權(quán)衡點(diǎn)”    

即便在優(yōu)勢場景中，也需要接受GraphRAG的“不完美”：

• 它的Token消耗比傳統(tǒng)RAG高5-10倍，需要做好成本預(yù)算；
• 圖構(gòu)建需要預(yù)處理，無法像傳統(tǒng)RAG那樣“拿到語料就能用”，適合靜態(tài)或慢更新的知識庫（如醫(yī)學(xué)指南、法律條文）；
• 不同GraphRAG框架的表現(xiàn)差異大，HippoRAG2因圖密度高（節(jié)點(diǎn)數(shù)、邊數(shù)更多），在多跳推理中表現(xiàn)最佳，但也需要更多計(jì)算資源。

總的來說，GraphRAG不是傳統(tǒng)RAG的“替代品”，而是“補(bǔ)充方案”——它用額外的成本，換來了復(fù)雜場景下的推理能力和可靠性。隨著GraphRAG-Bench這類基準(zhǔn)的完善，未來我們或許能看到更高效、更輕量化的GraphRAG框架，讓它在更多場景中落地。

如果想深入研究，推薦直接查看論文和項(xiàng)目：

• 論文地址：https://arxiv.org/pdf/2506.05690
• 項(xiàng)目地址（含GraphRAG-Bench代碼和數(shù)據(jù)）：https://github.com/GraphRAG-Bench/GraphRAG-Benchmark