GraphRAG là công nghệ tạo mở rộng tìm kiếm giúp trích xuất các câu trả lời chính xác hơn cho các câu hỏi xuyên suốt phức tạp bằng cách kết hợp biểu đồ tri thức và RAG, đồng thời thể hiện mối quan hệ thực thể giữa các tài liệu trong cấu trúc biểu đồ.
GraphRAG là công nghệ được Microsoft công bố vào năm 2024. Không giống như RAG thông thường, dựa trên các tìm kiếm tương tự vectơ đơn giản, GraphRAG xây dựng mối quan hệ giữa các thực thể (con người, tổ chức, khái niệm, v.v.) trong tài liệu dưới dạng biểu đồ và tạo ra câu trả lời bằng cách điều hướng biểu đồ đó. Nó rất mạnh trong việc "hiểu được bức tranh tổng thể" và "mối quan hệ giữa nhiều thực thể" trên một lượng lớn tài liệu và có hiệu quả trong việc tìm kiếm chéo cơ sở kiến thức nội bộ cũng như các tài liệu pháp lý và quy định của các công ty.
Trong hoạt động thực tế tính đến năm 2026, có nhiều trường hợp nó chủ yếu được xây dựng kết hợp với LlamaIndex, LangChain và Neo4j. Theo giá thị trường được ReviewAI xác nhận thông qua các cuộc phỏng vấn với các kỹ sư tại chỗ, một lượng lớn LLM loại GPT-4 được sử dụng để xây dựng biểu đồ ban đầu, do đó, một tài liệu gồm 1 triệu mã thông báo có thể có giá khoảng 50 đến 200 USD. Vì chất lượng của biểu đồ phụ thuộc vào độ chính xác của việc trích xuất thực thể, điều quan trọng cần lưu ý là sự biến động trong các thực thể được đặt tên (từ viết tắt và biến thể chính tả) duy nhất của ngôn ngữ Nhật Bản có thể dễ dàng trở thành nơi sinh sản cho ảo giác.
Chìa khóa để lựa chọn trong lĩnh vực này là bản chất của câu hỏi. Nếu bạn có nhiều câu hỏi liên quan/toàn diện chẳng hạn như "Mối quan hệ giữa A và B là gì?" và "Tất cả các phần tử liên quan đến X là gì?", GraphRA có lợi. RAG thường đủ cho các tìm kiếm thực tế đơn giản và cấu hình RAG lai tùy thuộc vào ứng dụng sẽ là xu hướng thực tế vào năm 2026.