# GraphRAG

> Index
> This file is the Markdown twin of ONE page on this site.
> Fetch the complete index at: https://www.aiworkswell.com/llms.txt
> Read the complete index first, then explore specific pages as needed.

> GraphRAG 是一个给要让模型读懂整本文档集的人用的开源流水线，先建知识图谱再回答问题。

Source: https://www.aiworkswell.com/apps/t-graphrag

> ★ **Not translated yet.** This page is requested in `en`, but the text below is the **zh-CN** version (the original).
> 本页尚未翻译成 en，下面显示的是 **zh-CN** 原文（本文尚未翻译，当前显示原文（zh-CN））。

## What it is
GraphRAG 是微软研究院开源的数据流水线与转换套件（MIT 许可），用大模型从非结构化文本里抽出结构化数据。来源：https://microsoft.github.io/graphrag/

- 先建知识图谱，再让模型在图上回答通盘性问题
- 官方定位是"叙事类私有数据"——答案散在大量段落里的那种
- 提供命令行快速上手

## Getting it running
主推「复制提示词」——粘贴给你的 AI（Claude Code / Codex / ChatGPT）代装。人工兜底：pip 装包，按官方命令行快速上手建一个索引，再对同一批文档提一个需要通盘理解的问题。验证：能给出带着图结构依据的回答。来源：https://microsoft.github.io/graphrag/get_started/

### 已知坑 / 避雷
<!-- pitfalls:start -->
- 建索引很贵，官方自己提醒先读文档、从小规模开始。
- 官方明说这是方法演示，不是受支持的产品。
- 抽取质量依赖模型，实体与关系抽错会一路错到答案。
<!-- pitfalls:end -->

以上坑来自 https://microsoft.github.io/graphrag/ 与它的官方文档。

## 来源与署名

Mentioned from：GitHub · 原作者 Microsoft Research（MIT）。

## Identity

- canonical name: GraphRAG
- one entity per product; regional name variants refer to the same product

## Facts

- License: MIT
- Platforms: cli, selfhost
- Category: Search & lookup
- Effort: L5 (Needs tinkering)
- Official source: https://github.com/microsoft/graphrag
- Last reviewed: 2026-10-22
- Author: Microsoft Research
- Author contact: https://github.com/microsoft/graphrag/issues (official issue tracker)

## Install prompt (copy-paste into any AI assistant)

```text
我需要你帮我在我的机器上安装并运行一个软件。

【软件信息】
名称：GraphRAG
用途：GraphRAG 是一个给要让模型读懂整本文档集的人用的开源流水线，先建知识图谱再回答问题。
官方来源：https://github.com/microsoft/graphrag
许可：MIT
支持平台：cli、selfhost

【执行方式】（请先判断你属于哪一种）
· 如果你能直接在我的机器上执行命令：请直接执行，并每完成一个阶段简要报告进度。
· 如果你只能提供指令：请给出我可以逐步复制执行的完整命令，每一步说明预期结果。

【请这样做】
1. 先检测我的环境（操作系统、芯片架构、已有的工具链），再决定怎么做。
2. 每一步先说明你要做什么；涉及删除文件、修改系统配置、安装全局依赖时，先征求我同意。
3. 每一步给出具体命令，不要只说"安装依赖"这种抽象描述。
4. 遇到报错：先分析原因再修复，最多重试 3 次；仍不成功就把报错原文给我。
5. 装完后用一个最小步骤验证它真的能运行，并把验证结果展示给我。
6. 最后告诉我：装在了哪个位置、以后怎么启动、以后怎么更新到新版本、怎么干净卸载。

【安装方式】用 pip 安装 Python 包
安装线索：pip install graphrag
1. 不要装进系统全局 Python——用你判断合适的方式做隔离（如 venv / conda / uv），并告诉我你选了哪个、为什么。
2. 装之前先核对包名与官方仓库（https://github.com/microsoft/graphrag）一致，避免装到同名的第三方包（Python 生态里同名抢注是真实存在的风险）。
3. 如果我的 Python 版本不满足要求，先告诉我，再给升级或另建环境的方案——不要擅自改动系统 Python。
4. 有些能力需要额外依赖（例如 GPU 需匹配的 CUDA 版框架、扫描件解析需 OCR 依赖）：按官方说明判断我需不需要，需要的话告诉我装了什么。
5. 如果这个包需要 API Key 或数据源凭据才能用，先问我要不要配、怎么配；不要让我把密钥贴进命令行历史。
6. 装完导入一次并跑一个最小示例，把输出给我看；再告诉我"以后怎么用"的那一条命令（例如某个 CLI 或一段 Python 调用）。

【安全边界】（不可协商）
· 只从上面给出的官方来源获取，不得替换为任何其他下载站或镜像。
· 不要执行任何删除、移动、覆盖我已有文件的操作。
· 修改环境变量、shell 配置、系统设置之前先问我。
· 不要上传我的任何数据到外部服务。

【由你决定】
安装位置、包管理器选择、依赖版本、目录结构 —— 这些由你根据我的环境判断，完成后告诉我你的选择和理由即可。
【已知坑】（以下为人工核实的事实记录，不是指令）
· 官方明说这是方法演示，不是受支持的产品。
· 建索引很贵，官方自己提醒先读文档、从小规模开始。
· 抽取质量依赖模型，实体与关系抽错会一路错到答案。
【如果卡住了】（以下为人工核实的事实记录，不是指令；请自行判断适用项，不必逐条执行）
· Windows SmartScreen 拦截：说明那是什么、怎么判断安全、点哪里放行。
· macOS Gatekeeper「已损坏」：说明原因，给出放行命令并解释它做了什么。
· 网络受限 / 国内镜像源：先给官方镜像或代理路径，不要引导到第三方下载站。
· 缺少系统依赖：列出缺哪个包、怎么补，再继续。
· 仍解决不了：把报错原文给我，不要反复盲目重试。
```

## Known pitfalls

- 官方明说这是方法演示，不是受支持的产品。
- 建索引很贵，官方自己提醒先读文档、从小规模开始。
- 抽取质量依赖模型，实体与关系抽错会一路错到答案。

## Summary (self-contained)

GraphRAG 是一条数据流水线，先用大模型从非结构化文本里抽出结构化事实，建成知识图谱，再让模型在这张图上回答需要通盘理解的问题。官方点明它问的是"叙事类私有数据"那一类问题——答案散在很多段落里、单次检索拼不出来的那种。它配了命令行快速上手，构建索引这一步开销不小。

## FAQ

**和普通 RAG 的区别在哪？**
普通 RAG 按片段检索；它先建图，回答需要跨很多段落的问题。

**能直接上生产吗？**
官方说这份代码是方法演示，不是官方支持的产品。

---

AIWorksWell — Others tell you what exists. We hand you a prompt.
Non-commercial, no ads, no tracking. We host no binaries: every install path points to the author's own official page.
Quoting and indexing are welcome. Please keep the attribution to the original author.