https://blog.tanteng.space/tags/graphrag/Recent content in Graphrag on Tony老师的博客HugozhFri, 11 Sep 2026 00:00:00 +0800https://blog.tanteng.space/posts/graphrag-introduction/Fri, 11 Sep 2026 00:00:00 +0800https://blog.tanteng.space/posts/graphrag-introduction/<p>大模型很强，但有两个老毛病：<strong>幻觉</strong>（说得头头是道但全是编的）和<strong>知识陈旧</strong>（训练完之后发生的事它不知道）。RAG（Retrieval-Augmented Generation，检索增强生成）是当下最主流的补救方案：让模型先查资料再回答。但 RAG 这件事本身还有很深的分化——<strong>怎么查</strong>差别巨大。本文借 Neo4j 那篇 <a href="https://neo4j.com/blog/genai/what-is-graphrag/">What is GraphRAG?</a> 的框架，把四种检索范式摆在一起对比，讲清 GraphRAG 解决什么问题，最后用我自己 270 篇博客转出来的知识图谱作为活样本。</p>