从RAG到GraphRAG：开启革命性成本效率的新纪元！

索引成本与向量RAG持平，为GraphRAG的0.1%

原标题：仅4个多月RAG就进化到“一个新时代”了：成本降低到GraphRAG的0.1%
文章来源：AI前线
内容字数：5366字

LazyGraphRAG：革命性的 RAG 解决方案

近期，微软推出了一种全新的检索增强生成（RAG）方案——LazyGraphRAG。这一技术将VectorRAG与GraphRAG相结合，旨在以高效、低成本的方式实现出色的图形RAG功能，给行业带来革命性变革。

1. LazyGraphRAG 的优势

LazyGraphRAG实现了成本与质量之间的天然可扩展性，研究人员指出，它在理想的成本和质量范围内表现出了强大的性能。此外，该系统降低了全局搜索成本，提高了本地搜索的效率。微软的研究表明，LazyGraphRAG的索引成本仅为完整GraphRAG成本的0.1%，而在查询效果上却能够与GraphRAG的全局搜索相媲美。

2. 性能评估

为了评估LazyGraphRAG的性能，微软设置了三种不同的预算场景。在低预算条件下，LazyGraphRAG在本地和全局查询上均显著优于所有对比条件。在中等预算和高预算场景中，其表现更是全面超越所有竞争方法，展现出优异的扩展性和答案质量。

3. 技术背景

GraphRAG结合了图形和RAG的优势，通过单一端到端系统利用文本提取和网络分析来理解数据集内容。然而，GraphRAG的高索引成本使其在成本敏感的场景中难以应用。LazyGraphRAG通过迭代深化的方式，将最佳优先与广度优先搜索动态结合，解决了这一问题。

4. 适用场景

LazyGraphRAG的快速且几乎免费的索引功能使其成为了各种场景下理想的选择，包括致病性查询、探索性分析和流式数据用例。随着相关性测试预算的增加，其答案质量也能得到平衡提升。

5. 结论

LazyGraphRAG代表了检索增强生成领域的重大进步，以低成本解决方案适用于各种场景。通过优化大语言模型的使用，LazyGraphRAG不仅提升了查询效率，还在成本与质量之间找到了良好的平衡。未来，LazyGraphRAG的开源版本将加入到GraphRAG库中，进一步推动技术的发展。

联系作者

文章来源：AI前线
作者微信：
作者简介：面向AI爱好者、开发者和科学家，提供大模型最新资讯、AI技术分享干货、一线业界实践案例，助你全面拥抱AIGC。