先划核心：GraphRAG 是「给文本建 “关系网” 的高级 RAG」—— 把文档拆成 “实体（人 / 事 / 物）+ 关系（谁和谁做了啥）” 的知识图谱，再按 “社区（相关实体组）” 分层总结，查问题时要么看全局社区、要么挖实体细节，比普通 RAG 更能答复杂问题。

下面先讲透 GraphRAG 核心知识点，再重点拆解 “怎么让匹配到的实体 / 关系更多”。

一、GraphRAG 核心知识点（通俗拆解）

1. 为啥 GraphRAG 比普通 RAG 强？

普通 RAG 是 “找相似文字片段”，比如查 “19 世纪艺术影响 20 世纪”，只能零散找到 “莫奈→印象派”“毕加索→立体主义”；GraphRAG 是 “找实体 + 关系的关联网”，能挖出 “莫奈的新技术→革新光色描绘→影响毕加索→毕加索开创立体主义→改变 20 世纪艺术”，把零散信息串起来，回答更完整。

2. GraphRAG 的核心流程（分 “建索引” 和 “查问题” 两步）

（1）建索引：把文本变成 “关系网 + 社区总结”（核心是多了 “结构化提取”）

步骤	大白话解释	关键作用
拆文本单元	把文档切成小片段（TextUnit），比如每 200 字一段	细粒度分析，方便后续提引用
提知识图谱	用 LLM 从片段里抠 “实体”（比如曹操、关羽）和 “关系”（比如曹操 - 结拜 - 关羽），还有 “主张”（比如 “曹操统一了北方”）	把文字变成结构化的 “关系网”，是 GraphRAG 的核心
社区聚类	用 Leiden 算法把相关实体归成 “社区”（比如 “三国曹魏集团”“三国蜀汉集团”），还会分层（比如 “曹魏” 下分 “核心武将”“谋士”）	把零散实体分组，方便全局查询
社区总结	给每个社区写摘要（比如 “曹魏集团核心人物有曹操、郭嘉，主要事迹是统一北方”）	回答宏观问题时不用翻所有实体，直接用摘要
可视化（可选）	用 UMAP 把实体转成 2D 图形，能直观看到实体关联	方便人工看 “关系网” 结构

（2）查问题：两种模式适配不同需求

查询模式	适用场景	大白话逻辑	例子
全局查询（Global）	宏观 / 跨文档问题	看 “社区总结”，汇总整个知识库的信息	“《三国演义》的主题是什么？”“19 世纪艺术如何影响 20 世纪？”
本地查询（Local）	具体 / 细节问题	揪出问题里的核心实体，挖它的所有关联关系 / 片段	“关羽战胜过哪些武将？”“莫奈的新技术具体是什么？”

3. 部署 GraphRAG 的关键步骤（微软开源版）

核心是 “先建索引，再查问题”，关键坑在配置：

1. 下载代码 + 装依赖（用 poetry 管理环境，避免包冲突）；
2. 放文档到 input 目录（支持 txt/PDF 等）；
3. 改配置：.env 填 LLM 的 API Key（比如 OpenAI），settings.yaml 选便宜的模型（比如 gpt-4o-mini）；
4. 建索引（耗时看文档量，核心是生成知识图谱和社区）；
5. 查问题：全局查宏观、本地查细节。

二、核心问题：如何让匹配到的 entities（实体）和关系更多？

本质是 “让 GraphRAG 在提取 / 检索阶段，尽可能多的识别、保留、召回相关实体和关系”，分「提取阶段（建索引时）」和「检索阶段（查问题时）」两部分优化，每步都给具体操作：

第一步：提取阶段（建索引时）—— 让更多实体 / 关系被 “抠出来”

这是基础：如果建索引时没提取到某个实体 / 关系，检索时根本匹配不到。

1. 优化文本切分（TextUnit）：别切太碎 / 太粗

• 问题：切太短（比如 50 字）会把 “曹操 - 任命 - 郭嘉” 拆到两个片段，LLM 没法提取关系；切太长（比如 1000 字）会让 LLM 漏检次要实体。
• 优化操作：
  • 配置 settings.yaml 里的 TextUnit 大小：建议中文设置为「chunk_size=300，chunk_overlap=50」（300 字一段，相邻段重叠 50 字），既保证上下文完整，又不遗漏细节；
  • 按 “语义切分” 而非 “固定字数”：比如按章节、段落自然分割，避免把一个完整的 “实体 - 关系” 拆断（微软 GraphRAG 支持自定义切分规则）。

2. 优化实体 / 关系提取的 Prompt：明确要求 LLM“多提、提全”

GraphRAG 默认用 LLM 提取实体 / 关系，Prompt 太笼统会导致漏提，需自定义 prompts 文件夹里的「entity_extract.yaml」和「relationship_extract.yaml」：

• 坏 Prompt：“提取这段文本中的实体和关系”；
• 好 Prompt（中文适配版）：

  请从以下文本中提取所有实体和关系，要求：
  1. 实体类型包括：人物、地点、事件、组织、物品、概念（比如“印象派”“立体主义”）；
  2. 不要遗漏次要实体（比如配角、小事件）；
  3. 关系要具体，格式为「实体A-关系动词-实体B」（比如“关羽-斩杀-颜良”“莫奈-开创-印象派”）；
  4. 同一实体的不同叫法要标注（比如“曹孟德”=“曹操”，“关云长”=“关羽”）。
  文本：{text_unit}
  

• 关键：明确实体类型、要求提次要实体、统一关系格式，让 LLM 知道 “要提全，不是只提核心”。

3. 启用实体解析（Entity Resolution）：合并 “同名 / 异名实体”

• 问题：默认没启用实体解析，会把 “曹操”“曹孟德”“魏王” 当成 3 个实体，检索时只匹配到一个，导致关系漏检；
• 优化操作：在 settings.yaml 里把「entity_resolution.enabled」设为 True；配置解析规则：比如 “基于名称相似度 + 上下文” 合并实体（GraphRAG 支持自定义解析 Prompt，要求 LLM 识别 “同实体不同名”）；效果：合并后 “曹操” 相关的所有关系都会汇总到一个实体下，匹配数量翻倍。

4. 降低实体过滤阈值：别把 “弱相关实体” 筛掉

• 问题：GraphRAG 默认会过滤 “出现次数少” 的实体（比如只提了 1 次的配角），导致小众实体 / 关系被漏掉；
• 优化操作：在 settings.yaml 里调整「entity_filter.min_occurrences」（实体最小出现次数）：从默认的 2 改成 1；调整「relationship_filter.min_occurrences」（关系最小出现次数）：从默认的 2 改成 1；注意：别设为 0，否则会引入大量无意义实体（比如 “的”“了”），需配合停用词表过滤。

5. 选择更强大的 LLM 做提取：别用太弱的模型

• 问题：用 gpt-3.5-turbo 提取实体，比 gpt-4o-mini 漏提率高 30%+；
• 优化操作：建索引阶段（提取实体 / 关系）用更强的模型（比如 gpt-4o），查询阶段用便宜的模型（比如 gpt-4o-mini）；理由：提取是 “一次性工作”，多花点成本提全，后续检索收益更大。

第二步：检索阶段（查问题时）—— 让更多已提取的实体 / 关系被 “匹配到”

提取阶段提全了，但检索时没召回，还是白搭，重点优化 “召回范围” 和 “匹配规则”：

1. 优化本地查询（Local）的实体召回范围

• 问题：默认本地查询只召回 “直接关联” 的实体（比如查 “曹操” 只找 “曹操 - 结拜 - 关羽”），漏了 “间接关联”（比如 “曹操 - 重用 - 郭嘉 - 推荐 - 司马懿”）；
• 优化操作：在 settings.yaml 里调整「local_query.entity_expansion_depth」（实体扩展深度）：从默认的 1 改成 2/3；解释：深度 1 = 只找直接关联实体，深度 2 = 找直接 + 间接关联实体，深度 3 = 找三层关联（比如曹操→郭嘉→司马懿→司马昭）；注意：深度别超过 3，否则会引入太多无关实体，拖慢速度。

2. 放宽检索的相似度阈值：别把 “弱相关” 实体筛掉

GraphRAG 检索时会用 “相似度分数” 筛选实体，阈值太高会漏检：

• 找到 settings.yaml 里的「retrieval.similarity_threshold」（相似度阈值）：
  • 默认是 0.7（余弦相似度），改成 0.5~0.6；
  • 效果：原本分数 0.65 的 “弱相关实体” 会被召回，匹配数量增加；
  • 兜底：后续加 “重排序”（比如用 CrossEncoder），把无关实体再筛掉，既多召回又保证精准。

3. 优化查询改写：让问题里的实体更明确

• 问题：用户提问模糊（比如 “三国里谁打过关羽？”），GraphRAG 识别不出核心实体 “关羽”，导致匹配少；
• 优化操作：在查询前加 “问题改写 Prompt”，让 LLM 先把模糊问题转成 “实体明确的问题”：

  plaintext

  请改写以下问题，明确核心实体，格式为「核心实体：XXX，问题：XXX」：
  原问题：{user_query}
  例子：
  原问题：三国里谁打过关羽？
  改写后：核心实体：关羽，问题：《三国演义》中哪些武将与关羽有交战关系？
  

  用改写后的问题去检索，能精准定位核心实体，进而召回更多关联关系。

4. 合并多轮检索结果：别只靠一种方式找实体

• 操作：本地查询时，同时用 “语义相似度检索”+“知识图谱遍历” 两种方式找实体，再合并结果：
  1. 语义检索：找和问题语义相似的 TextUnit 里的实体；
  2. 图谱遍历：从核心实体出发，遍历所有关联实体；
  3. 合并去重：把两种方式找到的实体 / 关系合并，数量至少提升 50%。

第三步：兜底优化（通用）

1. 增加 TextUnit 的数量：如果文档太长，拆更多小片段，每个片段都做实体提取（别合并太多内容）；
2. 用开源 LLM 本地化提取：如果用 OpenAI API 有字数限制，换本地化的 LLM（比如 DeepSeek-R1、Qwen-7B），能处理更长文本，提取更多实体；
3. 人工补充实体 / 关系：对核心领域（比如小说网站的 “仙侠题材”），手动加 “实体别名表”（比如 “修仙”=“修真”=“炼气”），避免漏提。

三、总结

要让 GraphRAG 匹配更多实体 / 关系，核心是 “提取阶段提全、检索阶段召回全”：

1. 提取时：优化切分、写明确的提取 Prompt、启用实体解析、降低过滤阈值；
2. 检索时：扩展实体遍历深度、放宽相似度阈值、优化问题改写、合并多轮检索；
3. 最终目标：既多匹配，又通过重排序保证精准（别为了数量引入太多无关内容）。

比如针对小说网站的 GraphRAG，按这套优化后，查 “穿越甜宠文的女主有哪些” 时，能匹配到 “女主名字 + 身份 + 男主关系 + 核心剧情” 等更多实体 / 关系，推荐的小说也会更精准。