📌#шпаргалка GraphRAG за 2 минуты Классический RAG — это ctrl+F на стероидах: вопрос → ищем похожие куски текста → LLM отвечает по ним. Отлично работает для точечных вопросов («что такое LoRA?»), но ломается на глобальных («какие основные темы всего корпуса?») — ответ размазан по документам, и ни один чанк его не содержит. GraphRAG решает это так: 1️⃣ LLM заранее проходит по всему корпусу и извлекает сущности и связи → получается граф знаний 2️⃣ На графе запускаем кластеризацию (Leiden) → темы и подтемы 3️⃣ Для каждого кластера LLM пишет саммари → «оглавление с аннотациями» 4️⃣ Глобальный вопрос отвечается по схеме map-reduce: сначала каждый кластер отвечает независимо (map), затем частичные ответы объединяются в финальный (reduce) Ключевой trade-off: почти вся работа переезжает в индексацию (дорого, LLM читает весь корпус), зато появляются multi-hop рассуждения и ответы «по корпусу в целом». Правило выбора:

точечный факт → обычный RAG. «В целом», «как связаны», «какие тренды» → GraphRAG. На практике часто гибрид.

#памятка #шпаргалка