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

摘要： 今日季前赛湖人以惜败太阳此役过程跌宕起伏首节湖人领先分次节仍是湖人占据上风第三节太阳缩小了分差末节前半段湖人突然断电太阳一波流反超随后双方开始僵持关键时刻克内之家月日消息科技媒体昨...

今日NBA季前赛，湖人以114-118惜败太阳，此役过程跌宕起伏，首节湖人领先9分，次节仍是湖人占据上风，第三节太阳缩小了分差，末节前半段湖人突然断电，太阳一波流反超，随后双方开始僵持，关键时刻克内....

IT之家 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%。

IT之家注：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。

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。

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 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 ，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 ，减少了传统文档系统中常见的碎片化输出。