💬 NLP

Graph-based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey

本综述对检索增强生成（RAG）中的图方法进行了全面回顾，系统地分析了它们在数据库构建、算法、流水线和任务中的作用，以解决大语言模型（LLM）的幻觉问题，同时概述了当前的挑战与未来的研究方向。

原作者： Zulun Zhu, Tiancheng Huang, Kai Wang, Junda Ye, Xinghe Chen, Siqiang Luo

发布于 2026-01-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Zulun Zhu, Tiancheng Huang, Kai Wang, Junda Ye, Xinghe Chen, Siqiang Luo

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

大局观：为什么 LLM 需要一张地图

想象一下，大语言模型 (LLM) 是一位才华横溢、博览群书的图书管理员，他记住了数百万本书的内容。这位管理员非常擅长讲故事和回答常识性问题。然而，他有两个大问题：

他会忘记新闻动态： 他的记忆停留在过去（他的训练数据），所以他不知道昨天发生了什么。
他会一本正经地胡说八道： 当他不知道答案时，可能会自信地编造一个听起来很真实但实际上是虚假的故事。这被称为“幻觉”。

为了解决这个问题，我们使用了 RAG（检索增强生成）。把 RAG 想象成给这位图书管理员配备了一个搜索引擎。当你提问时，图书管理员不再仅仅依赖记忆；他会在回答你之前，迅速在外部文档数据库中查找答案。

标准 RAG 的问题：
大多数搜索引擎将信息视为一大堆散乱的纸张。如果你询问一个复杂的话题（比如“爱因斯坦和他的朋友是如何协作的？”），搜索引擎可能只会抓取几个随机的句子。它会错过人与人、数学与数学、以及事件之间的联系。

解决方案：基于图谱的 RAG (Graph-Based RAG)
这篇论文认为，我们应该将那堆散乱的纸张整理成一张地图（即图/Graph）。在这张地图中，事实是“点”（实体，如爱因斯坦），而它们之间的连接是“线”（关系，如“曾与……协作”）。

本文作者调查了 200 多项研究，旨在说明将数据转化为地图如何能帮助图书管理员（LLM）更好地回答问题。

图谱帮助图书管理员的四种方式

论文将图谱如何通过四个特定阶段来协助图书管理员的工作进行了分类：

1. 构建图书馆（数据库构建）

在图书管理员开始搜索之前，他需要一个图书馆。

旧方法： 使用预制的、静态的地图（类似于印刷好的百科全书），虽然准确但难以更新。
新方法： 利用 LLM 本身来阅读杂乱的文本（如新闻文章或电子邮件），并自动实时绘制一张新地图。
类比： 想象图书管理员正在阅读一叠凌乱的信件。他不仅仅是把它们装进盒子里，而是在白板上画出一张图表，将信中提到的姓名和事件连接起来。这为特定的主题创建了一张定制化的地图。

2. 寻找正确信息（检索与提示）

一旦地图存在，图书管理员该如何找到答案？

搜索（检索）： 图书管理员不再只是寻找关键词，而是可以沿着地图上的“线”进行移动。如果你问关于爱因斯坦的问题，图书管理员可以顺着“格罗斯曼”这条线走下去，再走到“几何学”，从而找到故事的确切路径。
- 类比： 这就像是顺着面包屑的痕迹寻找，而不是盲目猜测面包可能在哪。
提问（提示词/Prompting）： 找到地图碎片后，图书管理员需要将信息传达给 LLM。
- 拓扑感知提示 (Topology-Aware Prompting)： 图书管理员将实际的地图（展示线条和点）交给 LLM。这有助于 LLM 理解其结构。
- 文本提示 (Text Prompting)： 图书管理员将地图翻译成一个故事（“爱因斯坦走向了格罗斯曼，后者给了他一本书……”）。这种方式更容易被 LLM 阅读，但会丢失一部分地图的结构感。

3. 工作流 (Pipelines)

图书管理员如何组织他的思考过程？论文识别了三种用于图书管理员工作的“流程图”：

顺序式 (Sequential - 直线型)： 提问 $\rightarrow$ 搜索 $\rightarrow$ 回答。简单且快速，但如果图书管理员犯了错，他无法纠正。
循环式 (Loop - 反馈圈)： 提问 $\rightarrow$ 搜索 $\rightarrow$ 检查答案 $\rightarrow$ “噢，错了，让我们再搜一次” $\rightarrow$ 回答。这就像一名侦探，不断进行重新调查，直到线索逻辑自洽。
树状式 (Tree - 分叉路口)： 图书管理员同时分裂出多条路径，同时探索不同的理论，最后选择最好的一个。这就像是一个侦探团队，同时从不同的角度对同一个案件进行调查。

4. 应用任务 (Tasks)

这在哪些领域有用？

复杂问题 (KGQA)： 回答需要连接三到四个“点”的问题（例如：“发明灯泡的人的表亲是谁？”）。
专业领域： 在医学或科学领域，由于事实之间高度关联，图谱可以帮助图书管理员通过检查药物与疾病之间的关系，从而避免危险的错误。
代码与金融： 理解代码行或股票价格是如何相互依赖的。

论文对未来的展望

作者不仅回顾了现状，还指出了“图书管理员”仍需帮助的地方：

自适应提示 (Adaptive Prompts)： 我们需要更好的方式来向图书管理员提问，以便让他们准确知道该看地图的哪一部分，而不至于被信息淹没。
理解复杂地图： 现在的图书管理员在处理庞大、混乱的地图时仍感吃力。我们需要教他们更好地理解复杂的形状和模式。
多模态地图 (Multi-Modal Maps)： 目前大多数地图仅限于文本。未来的系统需要能够同时处理包含图片、音频和数字的地图。
更好的地图制作： 我们需要构建不仅是简单的“A 连接到 B”的线条，而是能捕捉现实世界细微差别的复杂结构。
人类辅助 (Human Help)： 想象这样一个系统：你可以指着地图说，“不，看这里”，从而帮助图书管理员实时从你的纠正中学习。

核心总结

这篇论文是一份为任何试图构建更聪明 AI 的人准备的宏大“使用手册”。它指出，**图谱（地图）**是让 AI 减少谎言并更好地解决复杂谜题的关键环节。通过将信息组织成一个相互连接的网络，而非一堆散乱的纸张，我们可以帮助 AI 进行更具逻辑性和准确性的“思考”。

技术总结：基于图的方法与功能在检索增强生成中的应用：综述

1. 问题陈述

大语言模型（LLMs）面临两个关键局限性：一是由于训练数据不足或过时，容易产生事实错误和幻觉；二是无法有效地利用结构化的现实世界知识（例如知识图谱中的实体和关系）进行复杂推理。虽然检索增强生成（R}RAG）通过检索外部信息解决了第一个问题，但现有方法往往无法充分利用结构化数据中固有的拓扑信息。

目前的 RAG 和基于图的方法的综述大多将图的角色限制在简单的知识图谱（KG）遍历上，或者将基于图的 RAG 视为一个流水线组件而缺乏深入分析。这些研究经常将基于图的 RAG 与知识图谱遍历混为一谈，导致图结构对检索算法、提示策略以及流水线控制的广泛影响研究不足。目前缺乏一种系统性的分解，来阐述图技术如何具体增强 RAG 框架内的数据库构建、检索逻辑、提示机制和任务执行。

2. 方法论与范围

本综述采用图数据管理视角，系统地分析了将图技术集成到 RAG 中的过程。作者并未采用纯粹以流水线为中心的观点，而是从四个核心维度对图的功能进行了分类：

图驱动型数据库： 外部知识是如何被结构化和存储的。
图驱动的检索与提示（R&P）： 用于提取知识并将其转化为 LLM 可消费形式的算法。
图结构化流水线： RAG 工作流的拓扑组织形式（顺序、循环、树状）。
面向图的任务： 利用图结构的特定应用场景。

该分析基于对 200 多篇近期研究的全面回顾，根据其技术机制（例如：确定性 vs. 基于学习的检索，拓扑感知 vs. 文本提示）对方法进行了分类。

3. 主要贡献与技术发现

A. 图驱动型数据库

综述区分了两种主要的图数据来源：

现有知识图谱： 高质量的静态知识库，如 Freebase、DBpedia 和 Wikidata。这些库覆盖范围广且质量可靠，但缺乏对新领域的适应能力。
从文本生成的图： 通过开放信息抽取（OpenIE）或基于 LLM 的抽取（如 GraphRAG、HippoRAG）构建的动态结构。这些图允许进行领域特定的定制和实时更新，但会引入计算开销并依赖于 LLM 抽取的准确性。
工业趋势： 文中指出，行业正向混合图-向量索引、查询语言（GQL）标准化以及集成变更数据捕获（CDC）以降低 RAG 系统中图更新延迟的方向发展。

B. 图驱动的检索与提示

检索算法：
作者将检索方法分为：

非参数化方法： 包括确定性算法（最短路径、子图同构）、概率方法（个性化 PageRank、随机游走）和启发式方法（K-hop 采样）。这些方法计算效率高且具有可解释性，但适应性较弱。
基于学习的方法： 包括卷积方法（用于局部结构的 GCN）和注意力机制方法（用于全局结构的 GAT）。这些方法提供了更高的适应性和语义理解能力，但需要训练数据和大量的计算资源。

提示策略：

拓扑感知提示（Topology-Aware Prompting）： 将图结构（节点、边、路径）直接编码进提示词中（例如三元组、关系路径）。这保留了结构的完整性并支持多跳推理，但增加了 Token 使用量和格式复杂度。
文本提示（Text Prompting）： 将图数据线性化为自然语言描述。这种方式与标准 LLM 输入兼容，对模式漂移（schema drift）具有鲁棒性，但牺牲了显式的结构信息和推理深度。

C. 图结构化流水线

综述根据图论定义了三种流水线拓扑结构：

顺序流水线（Sequential Pipeline）： 线性流程（查询 $\rightarrow$ 检索 $\rightarrow$ 提示 $\rightarrow$ 生成）。高效，但缺乏纠错或精炼机制。
循环流水线（Loop Pipeline）： 引入反馈机制（例如自我批判、迭代检索）来优化答案。由 RL Agent、System-2 “慢思考”策略或验证器控制。以增加延迟为代价换取更高的准确性。
树状流水线（Tree Pipeline）： 实现多个推理路径或检索策略的并行探索。用于需要多样化视角（如 Graph of Thoughts）的复杂任务。增加了协调开销，但提高了覆盖率和解的质量。

D. 面向图的任务

综述将应用场景分为：

KGQA： 利用图结构进行多跳推理和实体消歧。
以图为中心（Graph-Centric）的任务： 通过检索相关的子图，利用 RAG 来增强节点分类、链路预测和图分类。
领域特定任务： 在医疗保健（MedGraphRAG）、科学文献（DALK）、代码补全（GraphCoder）和金融领域中的应用，在这些领域中，图结构提供了必要的领域约束和溯源性。

E. 动态场景与工业应用

论文强调了**时序图 RAG（temporal graph RAG）**这一新兴工作方向，它处理时间感知索引和事件排序（例如 T-GRAG、DyG-RAG）。在工业界，综述列举了 Microsoft (GraphRAG)、NebulaGraph 和 Neo4j 的实现，并指出前沿 LLM（如 GPT-5、Gemini）正越来越多地充当这些复杂图结构化流水线的控制器，从而降低了迭代检索循环的脆弱性。

4. 结果与评估

本文并未提出新的实验结果，而是对所综述文献的发现进行了综合。研究指出：

在复杂的、多跳推理任务中，基于图的 RAG 比非图检索表现出显著的性能提升。
对于需要严格约束满足和可解释性的任务，拓扑感知提示更具优势；而对于追求流畅度和广泛检索的任务，文本提示更受欢迎。
流水线选择取决于任务：顺序流水线适用于简单查询；循环和树状流水线是复杂推理所必需的，但会产生更高的计算成本。
评估指标因任务而异：KGQA 依赖于精确匹配（Exact Match）和 F1 分数；图任务使用 MRR 和 NDCG；领域任务则使用特定指标，如生物医学中的 RMSD 或金融中的累积回报（Cumulative Return）。

5. 重要性与未来方向

作者声称本综述填补了一个关键空白，即将关注点从“流水线组件”转向了图中在 RAG 中的“功能角色”。它为图学习、数据库系统和 NLP 领域的研究人员提供了一个全新的分类法和详细的资源。

文中识别出的未来研究机会包括：

自适应提示（Adaptive Prompts）： 设计能够与 LLM 预训练知识及查询复杂度动态对齐的提示。
增强的图理解： 开发能够超越序列化 Token 表示，更好地理解非线性、大规模图结构的 LLM 架构或模块。
多模态图（Multi-Modal Graphs）： 将基于图的 RAG 扩展到跨领域的图像、音频和数值数据处理。
改进的图构建： 从简单的三元组迈向超图（hypergraphs）和层次化图，以捕捉更复杂的相互关系。
用户交互： 集成人机交互（HCI），允许用户精炼查询并以交互方式可视化知识图谱。

总之，本文认为，集成图技术不仅仅是一个辅助步骤，更是提高 LLM 在检索增强生成中事实可靠性、推理深度和结构化理解能力的根本驱动力。