微软GraphRAG AI提效：改善数据检索，tokens成本降低77%的全面指南

11 月 16 日消息，科技媒体 winbuzzer 昨日（11 月 15 日）发布博文，报道称微软研究院已更新 GraphRAG 系统，新增了动态社区选择（Dynamic Community Selection）功能，在改善全局搜索的数据检索同时，tokens 成本减少了 77%。GraphRAG 简介

注：微软的 GraphRAG（图基检索增强生成）是一种新型的检索增强生成（RAG）框架，旨在利用知识图谱和大型语言模型（LLMs）来提升信息处理和问答能力。

图源：微软

GraphRAG 通过构建知识图谱，从非结构化文本中提取结构化数据，这使得模型能够更好地理解和处理复杂信息。

自 2024 年 7 月 2 日开源以来，GraphRAG 在 GitHub 上迅速获得了超过万次的星标。

支持动态社区

新引入的动态社区选择优化了知识图谱的访问方式，从而提高了响应的质量和效率。

该过程使用轻量级模型 GPT-4o-mini 来识别相关数据部分，只有这些部分进入主要处理阶段。从而显著减少计算工作负载。内部测试显示，采用动态选择后，tokens 成本平均降低了 77%。

2024 年 11 月发布的 GraphRAG 版本 0.4.0 还包括增量索引和 DRIFT（动态检索推理与过滤技术）模块。

这些功能使得知识图谱的更新变得更为高效，同时提高了搜索的准确性。通过这种结构，GraphRAG 能够生成更具上下文的答案，减少了传统文档系统中常见的碎片化输出。