在传统的 RAG 系统中我们通常只需要一个向量数据库如 Milvus、Pinecone 或 Chroma来存储文本块和 Embedding。但在 GraphRAG 中数据变得极其复杂既有非结构化的文本块又有结构化的实体、关系还有我们上一篇文章生成的“社区摘要”。单一的数据库已经无法胜任我们需要一套**“混合双打”**的存储与检索架构。1. 存储层各司其职的双库架构在生产环境中最主流的方案是图数据库如 Neo4j 向量数据库如 Milvus/Pinecone的协同工作。图数据库Neo4j负责“关系”与“结构”图数据库是 GraphRAG 的骨架。我们将上一篇文章中提取的实体Nodes、关系Edges以及社区摘要Community Summaries全部存入 Neo4j。优势支持 Cypher 查询语言能够极其高效地进行多跳查询Multi-hop Traversal。比如“查找 A 公司的所有供应商以及这些供应商所在的国家”图数据库可以在毫秒级完成这种复杂的逻辑推理。存储内容实体节点、关系边、社区摘要节点、以及它们之间的层级关系。向量数据库Milvus/Pinecone负责“语义”与“召回”向量数据库是 GraphRAG 的触角。我们将原始文档切分后的文本块Chunks及其 Embedding 向量存入这里。优势擅长处理模糊的语义匹配。当用户输入一个从未在图谱中出现过的口语化表达时向量检索能迅速找到最相关的原始文本片段。存储内容原始文本块、文本块的 Embedding 向量、以及指向图数据库节点的元数据Metadata。关键技巧通过元数据Metadata打通双库为了让这两个数据库协同工作我们需要在向量数据库的每个文本块中存入一个唯一的标识符如source_doc_id或chunk_id。这个 ID 同时也是图数据库中对应节点的属性。这样当我们通过向量检索找到一段文本时就能立刻拿着这个 ID 去 Neo4j 里“顺藤摸瓜”找到它关联的所有实体和关系。2. 检索层从“盲人摸象”到“上帝视角”有了双库架构当用户提出问题时我们不再依赖单一的检索方式而是采用**混合检索Hybrid Retrieval**策略。一个完整的 GraphRAG 检索流程通常包含以下三个步骤Step 1向量检索语义召回首先将用户的问题转化为向量在向量数据库中进行相似度搜索Similarity Search召回 Top-K 个最相关的文本块。目的确保不遗漏任何与问题字面或语义相关的细节信息解决“召回率”问题。Step 2图谱增强关系扩展拿到 Step 1 召回的文本块后提取其中的实体 ID去 Neo4j 中进行图遍历。目的补充上下文。比如向量检索只找到了“特斯拉”这个实体图谱遍历可以帮我们顺带把“马斯克”、“电池供应商”、“股价”等关联信息全部拉取出来解决“上下文缺失”问题。Step 3社区摘要检索全局概览如果用户的问题比较宏观例如“总结报告”系统会触发全局搜索模式。此时检索器会跳过具体的文本块直接去 Neo4j 中检索与问题最相关的“社区摘要节点”。目的提供高度浓缩的宏观视角避免 LLM 陷入细节泥潭。3. 代码实战LangChain 中的混合检索实现在代码层面我们可以利用 LangChain 轻松编排这套流程。以下是一个简化的伪代码示例fromlangchain_community.vectorstoresimportMilvusfromlangchain_community.graphsimportNeo4jGraph# 1. 初始化双库连接vector_dbMilvus(...)graphNeo4jGraph(...)defhybrid_retrieval(query):# Step 1: 向量检索# 获取最相关的文本块及其元数据包含实体IDdocsvector_db.similarity_search(query,k5)entity_ids[doc.metadata[entity_id]fordocindocs]# Step 2: 图谱增强# 使用 Cypher 查询关联的实体和关系cypher_query MATCH (e:Entity) WHERE e.id IN $ids MATCH (e)-[r]-(related) RETURN e.name, type(r), related.name graph_contextgraph.query(cypher_query,params{ids:entity_ids})# Step 3: 合并上下文# 将文本块细节 图谱关系结构 一起喂给 LLMfinal_contextf文本细节{docs}\n\n关联关系{graph_context}returnfinal_context4. 进阶优化Neo4j 的原生混合搜索值得一提的是Neo4j 自身也在不断进化。在较新的版本中Neo4j 已经支持了原生向量索引。这意味着你可以直接在图数据库内部完成“向量检索 关键词检索 图遍历”的混合操作而无需额外维护一个独立的向量数据库。这种“单库混合搜索”方案大大简化了架构复杂度特别适合中小型项目快速落地。5. 总结通过引入“图数据库 向量数据库”的混合架构我们成功打通了 GraphRAG 的任督二脉。向量检索保证了信息的广度图谱遍历保证了逻辑的深度而社区摘要则提供了宏观的高度。至此从数据清洗、图谱构建、社区摘要到混合检索我们已经完整走完了 GraphRAG 的核心技术链路。下一篇我们将迎来这个系列的收官之作《GraphRAG 评估与调优如何量化你的 AI 到底“懂”了多少》。我们将探讨如何使用 RAGAS 等框架对这套复杂的系统进行科学的打分与优化。