面试：何时必须用GraphRAG？ 面试被问到“什么场景必须用GraphRAG”怎么答？千万别说它更高级！普通RAG擅长处理简单事实类问题，而GraphRAG真正解决的是多维度关联查询、全局总结、隐性关系发现和分散信息连接这四大痛点。视频详细拆解了GraphRAG的核心优势与高昂成本，并分享了工程上最佳的混合路由方案，带你真正理解技术选型。 #GraphRAG #RAG #大模型 #知识图谱 #程序员面试

面试官问你，什么场景下必须用GraphRAG而不是普通RAG？ 你千万别一上来就说GraphRAG更高级所以要用，这句话一说，面试官基本就知道你没做过工程。 正确的回答应该是：普通RAG解决的是文本相似度检索问题，而GraphRAG更适合解决关系推理、全局总结、分散信息连接问题。 我是小哲，点赞、收藏加关注，我们马上开始今天的讲解。 我先说普通RAG的瓶颈在哪里。普通RAG的流程大家都知道：文档切Chunk，做向量Embedding，然后根据语义相似度召回相关文本。这套方案回答简单事实类问题很好用，比如你问某个模型什么时候发布，某个产品支持哪些功能，某个接口怎么调用，只要答案在某个Chunk里，普通RAG基本就能查出来。 但问题在于，普通RAG主要靠文本相似，不擅长理解信息之间的结构关系。举个例子，用户问：有没有一款适合拍视频、续航也不错，而且用户评价比较稳定的手机？普通RAG可能会召回视频拍摄很强的文本，也可能召回续航不错的文本，还可能召回用户评价较好的文本。但如果这些信息分散在不同文档、不同段落、不同评论里，就很难判断哪一款手机同时满足这些条件。这就是普通RAG的典型短板：能找到片段，但不一定能把片段之间的关系连起来。 什么场景下必须考虑GraphRAG？ 第一个场景叫多维度关联查询。注意，不是简单的多条件查询，而是多个维度之间存在关系。比如你要做一个商品推荐系统，商品、品牌、价格段、功能特性、用户评价、适用人群之间都有关系。普通RAG只能在文本里模糊匹配，但GraphRAG会把这些内容建成图。比如，某款手机连接到影像强、高端机型、性能旗舰、用户口碑稳定这些节点。当用户问“有没有适合拍视频，性能强、口碑稳定的旗舰机型”，GraphRAG可以沿着图里的关系找交集，这时候它不是靠猜，而是靠图结构做关系导航。 第二个场景是全局总结类问题，也就是不问单独一个点，而是问整体趋势的问题。比如，最近几年高端手机的发展趋势是什么？这种问题普通RAG很容易翻车，因为它召回的是零散Chunk，可能有的讲影像，有的讲芯片，有的讲价格，有的讲AI功能，最后模型只能硬拼，很容易总结得很散。GraphRAG更适合这类问题，它可以先把知识图谱分成不同社区，比如影像技术社区、芯片性能社区、品牌竞争社区、用户需求社区，然后分别总结每个社区的信息，最后汇总成全局答案，所以它更适合回答整体趋势、行业格局、组织关系、事件演化这类问题。 第三个场景是隐性关系发现。普通RAG通常只能处理文本里明确写出来的关系。 比如文档里写了A和B有合作关系，它才能召回。如果两个对象没放在同一个段落里，它就很可能发现不了他们之间的联系。GraphRAG不一样，比如两个产品从来没有被直接比较过，但他们属于同一价格段，面向同一类用户，都强调影像能力，通过图结构，它就可以把这两个产品关联起来。这种能力在推荐系统、竞品分析、封控排查、企业关系分析里特别有价值。第四个场景是分散信息连接。比如一个答案需要跨很多文档才能拼出来，用户问：某个项目延期的根因是什么？普通RAG可能只召回某次会议纪要，看到的是需求变更，但真正原因可能分散在需求文档、排期表、研发周报、测试反馈、客户沟通记录里。GraphRAG可以把人、需求、任务、时间、风险、依赖关系全部连起来，从某个现象一路追到背后的结构性原因。这类问题普通RAG很吃力，GraphRAG才更有优势。但这里一定要补一句，GraphRAG不是银弹，它的成本很高，因为它不是简单切chunk做向量匹配，而是要做实体抽取、关系抽取、图构建、社区发现、摘要生成，索引阶段就会消耗大量模型调用，查询阶段也可能需要遍历更多节点，读取更多关系，合成更多上下文。所以如果只是问简单事实问题，比如这个接口的超时时间是多少，还用GraphRAG那就是过度设计。 所以真正工程上的最佳答案不是二选一，而是做混合路由。 第一，简单事实类问题走普通RIG。 第二，结构化查询能转SEQ就转SEQ。 第三，需要关系推理、跨文档分析、全局总结的问题，再走GraphRIG。 甚至可以加一个query router，让大模型先判断用户问题属于哪一类，再选择不同检索路径。这样既能保证复杂问题的回答质量，也能控制整体成本。 所以面试里你可以这样总结：GraphRIG适合的不是所有场景，而是普通RIG很难处理的四类问题。 第一，多实体、多关系、多维度关联查询。 第二，行业趋势、组织结构、事件演化这类全局总结问题。 第三，文本里没直接写明，但能通过图推断出来的隐性关系问题。 第四，信息分散在多个文档里，需要串联分析的问题。 最后再补一句，工程上一般不会盲目上GraphRIG，而是做RIG、GraphRIG、SEQ检索引擎的混合路由。你能讲到这里，面试官基本就知道，你不是在背概念，而是真的理解技术选型。