GraphRAG

GraphRAG odpowiada na pytanie „jak wyszukiwać, gdy odpowiedź nie mieści się w jednym fragmencie”. Klasyczny RAG zwraca k niezależnych akapitów uszeregowanych po podobieństwie wektorowym — i nie ma pojęcia „relacji”. GraphRAG buduje wcześniej graf: wydobywa z tekstu encje i nazwane powiązania między nimi, grupuje je w społeczności i pozwala przechodzić po krawędziach zamiast losować akapity.

Jak powstaje indeks: dokumenty są dzielone na fragmenty, model wydobywa z każdego encje i relacje, duplikaty są scalane, algorytm wykrywania społeczności (Leiden) grupuje graf hierarchicznie, a model pisze streszczenie każdej społeczności. Ten ostatni krok umożliwia odpowiadanie na pytania o cały zbiór dokumentów — i jest zarazem powodem, dla którego indeksowanie bywa bardzo drogie.

Kiedy się opłaca: rozumowanie wieloskokowe, pytania o czas obowiązywania faktów, streszczanie całego korpusu. Kiedy nie: proste wyszukiwanie faktów — w benchmarku GraphRAG-Bench (ICLR 2026) zwykły RAG z rerankerem osiągnął 60,92% wobec 49,29% dla Microsoft GraphRAG w trybie lokalnym, który zużywał średnio ok. 39 tys. tokenów na zapytanie wobec poniżej tysiąca dla zwykłego RAG-a.

Termin wprowadził Microsoft Research artykułem z 24 kwietnia 2024. Od sierpnia 2026 otwarte repozytorium Microsoft GraphRAG jest „w dużej mierze w trybie utrzymania” (bez nowych funkcji). Nie należy mylić GraphRAG-a z grafem orkiestracji agentów (np. LangGraph) — ten drugi opisuje przepływ sterowania w programie, a nie wiedzę.