企业官网建设流程全解析

系列: RAGFlow v0.25.0 深度解读
作者: 耿雨飞
前置知识: 第10课（文档解析）、第12课（混合检索）、第13课（管线框架）

导读

传统 RAG 管线以"文档 → 分块 → 向量检索"为核心路径，在回答"某个概念是什么"这类单跳问题时表现良好。但当用户提出"A 公司的 CEO 毕业于哪所大学"这类需要多跳推理的问题时，孤立的文本分块往往无法提供完整的推理链条。

GraphRAG（知识图谱增强检索）通过从文本中抽取实体和关系，构建结构化的知识图谱，使系统能够沿着实体之间的关系路径进行多跳推理。RAGFlow 支持两种 GraphRAG 实现：General GraphRAG（参考微软 GraphRAG）和Light GraphRAG（参考 LightRAG），并在此基础上构建了完整的图谱构建-持久化-检索管线。

本课将深入分析 GraphRAG 的四阶段构建流程（实体抽取 → 实体消解 → 社区检测 → 图持久化）和知识图谱查询机制，揭示 RAGFlow 如何将非结构化文本转化为可推理的知识网络。

学习目标

1. 理解 GraphRAG 的整体架构和四阶段构建流程
2. 掌握 LLM 驱动的实体/关系抽取机制及 Gleaning 策略
3. 理解实体消解中编辑距离候选生成 + LLM 确认的双层过滤
4. 了解 Leiden 社区检测与 LLM 社区报告生成的工作原理
5. 掌握 <