GraphRAG 在 PostgreSQL 上的实践

IvorySQL2025-08-29 10:36

本文整理自"IvorySQL 2025 生态大会暨 PostgreSQL 高峰论坛"上的分享内容，演讲者：傅宇，PolarDB for PostgreSQL 研发负责人。

本文主要分享如何通过 Graph 的方式让 RAG 运行的更好，主要涉及以下内容：

  • 为什么需要 GraphRAG
  • 构建知识图
  • 查询知识图
  • 在 PostgreSQL 上实践

为什么需要 GraphRAG

RAG 的诞生是为了解决一个特定领域的知识查询问题。RAG（LLM + 知识库） 通过 Vector DB 的近似向量搜索能力，赋予 LLM 长期记忆，实现更好的领域知识问答。而 GraphRAG（LLM + 知识图） 通过 Vector DB 的近似搜索能力结合图的关联搜索能力，提升专业领域的问答能力。

1. RAG 依赖的"知识"并非总是通过文本的近似性相产生关联

以"哪些药物会导致口干"为例，RAG 通过文本相似性识别关键词（如"药物""口干"）及相关概念，知识库中第 4 条和第 1 条因词汇重合度高（如"口干"）被关联，RAG 可胜任。但 RAG 无法进行推理，例如第 2 条提到药物 B 为抗胆碱类药物，与下文"抗胆碱药物可能导致口干"相关，人类可瞬时推导，而 RAG 基于相似度的局限性难以实现这一点。

但 Graph 可以做到。

Graph 是一个很自然的对知识进行建模的方式。Graph 可以把知识连城一个图，然后就可以在上面搜索出根据丰富的东西。"知识图"是对文本近似搜索的有力补充。

2. RAG 中缺少信息的结构化描述（详细 ➡️ 总结）

其次，单纯的 Rap 缺乏对知识库的整体理解。例如，输入的文档可能仅聚焦软件某一方面或全为法律条文解释单一事件。若询问笼统问题，如"软件用途"或"黄芪类似中药的功效与原理"，即使提取 Top20 或 Top50 文档，也仅得零散细节，缺乏总结。总结需从零散知识中构建：获取 10-20 条相关信息后，归纳出更广义的观点，进而层层构建类似图谱中的概念。

构建知识图

Graph RAG 在 RAG 基础上增加了图和社群的构建。

实现过程分为两步：第一步是构建，第二步是查询。就像数据库操作一样，首先需要以某种结构存储数据，然后通过 SQL 语言查询。

相比传统 RAG，Graph RAG 多了几个步骤。传统 RAG（虚线以上部分）包括：首先从文本中抽取内容（Embedding），然后存入 Vector DB，此时可通过 ID 获取文档。而在 Graph RAG 中，额外需要从文本中抽取出图的节点（称为实体）和节点之间的边（称为关系），这些实体和关系一起存入 Graph DB。此外，在 Graph DB 基础上，还可以进行社群检测，具体细节我们稍后逐步展开。

文本分块 Chunking

第一步是文本分块（Chunking），这在传统 RAG 中也很常见。需要将文本分成大小合适的块，通常 256~512 个 token 是一个合适的范围，既能保留足够的信息，又避免过多冗余，从而检索出较为完整的知识点。分块完成后，可对其进行图处理。

  • 将每个文档切割成数百 tokens 以内的段落
  • 推荐长度限制：256 ~ 512 tokens
  • 每个 chunk 应当语义聚焦
  • chunk 太大 → 多个实体混在一起 → 图谱构建混乱
  • chunk 太小 → 语义不完整

图构建

输入是刚刚分好块的文本（Text Chunk），输出是一个子图，例如下图所示的最简单子图（包含 2 个点和 1 条边），实际可能有 3-5 个点或多条边。子图中的实体（点，Vertex）代表一个概念，通常输出包括标题、类型和大模型总结的描述。

如果处理文档后发现多个节点名称相同，大多数情况下它们对应同一概念，此时大模型会再次总结描述，将它们归并为一个实体，进行信息汇总。边（Relationship）也有自己的标题和类型，因其从起点到终点唯一确定，若有重复，可用数字区分。这是技术上的考量。

最终输出是包含若干点和边的子图。

下图是一个例子。

将一段关于公司及其收购行为和活动的描述输入大语言模型，并提供合适的提示后，模型能输出实体（点，如公司）和关系（边，如收购），并按要求的字段（如标题、类型、描述）格式化。这些数据随后可结构化地存入 Graph DB 中。

在 Graph 系统中，许多任务依赖 LLM 完成，以上就是来自微软 GraphRAG 项目中抽取实体和关系所用到的 Prompt。没有 LLM，图的抽取过程将难以处理，这也是历史上知识图谱项目未获广泛关注的原因------其抽取过于依赖人工。如今有了 LLM，构建过程变得轻松高效。

社群总结

第三步是 Graph 特有的有趣过程，涉及社群（Community）概念。社群是指在图（由点和边构成）中，某些点之间的连接较为密集，类似社交网络中小区居民频繁互动的特点，内部边多于外部边。

图算法中已有经典非 AI 算法（如 Leiden 算法）可识别这些社群。将图中的社群染上不同颜色，这一过程可递归进行，每次将社群合并为新节点，从而逐步提炼出精简、结构化的图。这体现了需要层次结构的需求。

构建向量索引

获取 Community 信息后，将其与原始图信息（包括点、边及描述）、二次处理的 Community 信息以及原始 Text Chunk 一并存入 Vector DB，可简单视为三张表。

在处理 Community 时，需补充一点：不仅对图进行总结，其中的点边描述也输入 LLM 进行提炼，生成不同层次的抽象概念，最终一并存入 Vector DB 以便检索。

查询知识图

有了这些信息，下一个问题就是如何利用这些信息处理用户的查询(提问)。这里介绍三种典型方式。

Local Search 针对明确查询对象，如查询"Post class"或"黄芪中药的副作用"/"Disc 公司"，以该对象为中心，从图中找到相关节点，提取其周围的边、文本、社区及相关节点，再将这些信息输入 LLM 作为上下文，从而更准确地回答问题。这与传统 RAG 类似。

Global Search 适用于整体性问题而非单一概念，例如"总结数据中的 5 个主要主题"或"近年的活跃科研项目"。这种全局理解对专家系统尤为重要，单纯依靠零散文本难以由 LLM 直接获取。为此，利用 Community 概念，通过随机分组处理：每次取 20 个 Community 总结（因超 20 可能超出 LLM 上下文或遗忘问题）输入 LLM 生成中间回答，循环遍历所有 Community。

若某 Community 含有用数据，LLM 应能识别相关性并改进回答。假设所有中间回答已包含所需信息，有用数据会被提取，无用则可能遗漏，导致回答质量下降。第三步运行 Rerank 算法，剔除差的回答，保留有意义的回答，最终输入 LLM 生成最终结果。

最后一种方式是 DRIFT Search，体现动态推理（Dynamic Reasoning）和灵活遍历（Flexible Traversal），类似近年流行的 Agent 方法。不同于固定模式的检索，DRIFT 让 LLM 自主决定下一步行动。

其核心在于动态性：从一个节点开始搜索，初始选择最相关的节点生成回答，同时提出几个后续问题（Follow-up Questions）。由于缺乏上下文，LLM 会向系统询问所需数据，基于反馈提取新节点，再用 Local Search 回答追加问题，递归循环进行。

每次生成新节点时，赋予其优先级（Priority），优先处理高优先级问题，循环 50-100 次后，假设大部分有用信息已被覆盖。最后，以所有中间回答为上下文，生成最终答案。

在 PostgreSQL 上实践

PostgreSQL（PG）与 Graph RAG 高度契合，因其是多模数据库，能处理多种非关系型数据，包括图数据。PG 内置了著名图插件 Apache AGE（中文名似"图引擎"），性能优异，支持 Cypher+SQL 查询语言，在点边数量未激增时，单机即可处理大多数任务。

结合 Vector 插件，可构建 Graph 系统，无需过多辅助系统。相比以往需四五个额外系统的复杂搭建，PG 加 Python 库即可完成，效率显著提升。

  • 启用插件： CREATE EXTENSION IF NOT EXISTS age CASCADE;
  • 创建图： SELECT create_graph('my_graph');
  • 创建点：
css 复制代码 
SELECT * FROM ag_catalog.cypher('my_graph', $$
CREATE (kb:Actor {name: 'Kevin Bacon'}),
       (a1:Actor {name: 'Actor 1'}),
       (d1:Director {name: 'Director 1'}),
       (d2:Director {name: 'Director 2'})
$$) as (a agtype);
  • 创建边：
css 复制代码 
SELECT * FROM ag_catalog.cypher('my_graph', $$
MATCH (kb:Actor {name: 'Kevin Bacon'}), (m1:Movie {title: 'Movie 1'})
CREATE (kb)-[:ACTED_IN]->(m1)
$$) as (a agtype);
  • 查询："所有和 Kevin Bacon 共同演出过的演员"
css 复制代码 
SELECT * FROM ag_catalog.cypher('my_graph', $$
MATCH (kb:Actor {name: 'Kevin Bacon'})-[:ACTED_IN]->(m:Movie)<-[:ACTED_IN]-(coactor:Actor)
RETURN coactor.name AS CoActor
$$) as (CoActor agtype);

PolarDB for PostgreSQL 数据库还内置了调用阿里云百炼模型的能力，可以将 LLM 调用的过程也纳入 SQL 中。

最后，我们整合所有步骤，构建 Graph 系统需以下操作：

首先，将文本进行分块，Embedding，存入 Vector DB。接着，通过抽取实体和关系生成图，将图信息（包括节点、边及描述）存入 Graph DB，并将描述 Embedding 后存入 Vector DB。随后，运行 Community 检测算法，用 LLM 总结 Community 信息，再将结果 Embedding 存入第三张 Vector 表。

检索时，结合 Local Search、Global Search、DRIFT 等多种方法提取相关信息，最终由 LLM 整合生成优化答案。

参考资料

相关推荐
Java 码农5 小时前
CentOS 7 上安装 PostgreSQL
linux·postgresql·centos
RestCloud6 小时前
在制造业数字化转型浪潮中，数据已成为核心生产要素。然而，系统割裂、数据滞后、开发运维成本高等问题，却像顽固的 “数据枷锁”，阻碍着企业发展。ETLCloud与
数据库·postgresql
problc8 小时前
PostgreSQL + Redis + Elasticsearch 实时同步方案实践：从触发器到高性能搜索
redis·elasticsearch·postgresql
EnCi Zheng1 天前
SpringBoot + PostgreSQL 密码认证失败 Windows 系统解决方案
windows·spring boot·postgresql
IT 小阿姨（数据库）2 天前
PostgreSQL通过pg_basebackup物理备份搭建流复制备库（Streaming Replication Standby)
运维·服务器·数据库·sql·postgresql·centos
EnCi Zheng2 天前
JPA 连接 PostgreSQL 数据库完全指南
java·数据库·spring boot·后端·postgresql
做运维的阿瑞3 天前
PostgreSQL 从入门到精通：Windows 环境下安装与使用指南
数据库·windows·postgresql
matlab的学徒4 天前
PostgreSQL 安装与操作指南
数据库·postgresql
启明真纳4 天前
PostgreSQL 单库备份
数据库·postgresql
Amd7944 天前
PostgreSQL备份不是复制文件？物理vs逻辑咋选？误删还能精准恢复到1分钟前？
数据库·postgresql
热门推荐
01两千字总结：Codex 国内如何安装和使用的教程，以及如何设置中文回答02GitHub 镜像站点03UV安装并设置国内源0446个Nano-banana 精选提示词，持续更新中05Linux下V2Ray安装配置指南06智能库存管理的需求预测模型：从业务痛点到落地代码的完整实践07GitLab 零基础入门指南：从安装到项目管理全流程08Cursor Plan Mode：AI 终于知道先想后做了09一文了解国产算子编程语言 TileLang，TileLang 对国产开源生态的影响与启示10jdk21下载、安装（Windows、Linux、macOS）