GraphRAG Quickstart

基于 Microsoft GraphRAG 的知识图谱构建与查询项目，使用中文企业数据（华为、小米、阿里巴巴）进行实体提取、社区检测和报告生成。

项目结构

graphrag_quickstart/
├── .env                  # 环境变量（API Key 等）
├── settings.yaml         # GraphRAG 配置文件
├── input/                # 输入数据
│   └── companyInfo.txt   # 企业信息文档
├── output/               # 索引输出结果
│   ├── entities.parquet          # 实体
│   ├── relationships.parquet     # 关系
│   ├── communities.parquet       # 社区
│   ├── community_reports.parquet # 社区报告
│   ├── documents.parquet         # 文档
│   ├── text_units.parquet        # 文本单元
│   └── lancedb/                  # 向量数据库
├── prompts/              # 提示词模板
├── cache/                # 缓存
├── logs/                 # 日志
└── rag/                  # RAG 相关（预留）

环境配置

模型配置

用途	模型	提供商
文本生成	qwen-turbo	阿里云 DashScope
文本嵌入	bge-m3	Ollama (本地)

API 端点

• DashScope: https://dashscope.aliyuncs.com/compatible-mode/v1
• Ollama: http://localhost:11434/v1

执行命令

1. 创建项目目录

mkdir graphrag_quickstart
cd graphrag_quickstart

2. 创建 Python 虚拟环境

python -m venv .venv

3. 激活虚拟环境

# Windows
.venv\Scripts\activate

4. 安装 GraphRAG

pip install graphrag

5. 初始化 GraphRAG 项目

graphrag init

此命令会在当前目录生成 settings.yaml、.env、prompts/ 等默认配置文件。

6. 准备输入数据

将企业信息文档放入 input/ 目录：

# 创建 input/companyInfo.txt，内容包含华为、小米、阿里巴巴的公司介绍

7. 配置 settings.yaml

修改 settings.yaml，配置 LLM 模型和嵌入模型：

• completion_models: 使用阿里云 DashScope 的 qwen-turbo 模型
• embedding_models: 使用本地 Ollama 的 bge-m3 模型
• input: 文本类型输入
• chunking: Token 分块，大小 1200，重叠 100
• entity_types: [organization, person, geo, event]

8. 配置 .env 文件

# 设置 API Key
GRAPHRAG_API_KEY=your_api_key_here

9. 运行索引构建

graphrag index

索引构建会依次执行以下工作流：

• 加载输入文档
• 创建文本单元
• 提取实体和关系图
• 创建社区
• 生成社区报告
• 生成文本嵌入

索引结果输出到 output/ 目录。

10. 运行查询

# 本地搜索（基于实体和社区）
graphrag query --method local --query "华为和小米之间有什么关系？"

# 全局搜索（基于社区报告摘要）
graphrag query --method global --query "这三家公司的共同特点是什么？"

索引统计

指标	值
文档数	1
总耗时	23.6 秒
实体提取	0.67 秒
社区报告生成	10.5 秒
文本嵌入生成	10.9 秒

输出文件说明

文件	描述
entities.parquet	提取的实体列表
relationships.parquet	实体之间的关系
communities.parquet	社区聚类结果
community_reports.parquet	社区摘要报告
documents.parquet	处理后的文档
text_units.parquet	文本分块单元
lancedb/	LanceDB 向量存储

技术栈

• Python: 3.11.9
• GraphRAG: Microsoft GraphRAG
• LLM: 阿里云 DashScope (qwen-turbo)
• 嵌入模型: BGE-M3 (Ollama 本地部署)
• 向量数据库: LanceDB