工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：GraphRAG
选择RAG架构：朴素型、高级型、CRAG、GraphRAG、智能代理型
对六种RAG架构进行实用对比，分析其优缺点及应用场景，同时提供四步决策路径以及RAG不适用的情况。
阅读约 10 分钟Neo4j与LangChain4j：GraphRAG数据导入工具、过滤功能及聊天记忆功能
基于LangChain4j的Neo4j在GraphRAG中的应用：模式发现、LLM图结构构建、Cypher DSL语法、索引内过滤、父子节点检索以及以图为支撑的聊天记忆功能。
阅读约 18 分钟RAG还是知识图谱？2,160份评分答案及模型效应分析
RAG与知识图谱的对比：在三个模型系列中共进行了2,160次评分答案测试以及120道题目测试。胜者因模型而异，模型本身起着最关键的作用。
阅读约 9 分钟实用提示：有人读了我的关于ROE的文章，进而开发出了GraphRAG引擎
《实用笔记》操作指南：有人读了我的关于ROE的文章后开发出了GraphRAG引擎——为采用该模式的团队提供相关合同、检查清单以及可直接使用的代码模板。
阅读约 7 分钟AI智能体的四种记忆策略：滚动窗口、FAISS与GraphRAG
比较为大型语言模型代理提供记忆的多种方式，包括完整历史记录与滚动窗口、倒排索引、FAISS语义搜索以及GraphRAG知识图谱。
阅读约 7 分钟基于LangExtract、Neo4j、Qdrant和Ollama构建的完全本地化GraphRAG流程
在本地模型上构建GraphRAG：使用LangExtract提取实体，将其存储在Neo4j中，然后在Qdrant中进行索引，最终通过子图扩展获得基于图的答案。
阅读约 39 分钟超出基础聊天机器人的七种RAG模式及适用场景
关于朴素型、混合型、校正型、自我反思型、多跳型、图结构型和上下文型RAG的指南：每种类型能填补哪些空白、其构成要素以及如何选择。
阅读约 7 分钟GraphRAG社区报告：将知识图谱转化为答案。
GraphRAG如何从文本中构建图结构，运用分层Leiden算法识别社区，生成社区报告，并将其用于全局及局部搜索。
阅读约 6 分钟RAG的混合检索方法：结合关键词搜索、向量搜索和图搜索。
如何在RAG中结合BM25、向量搜索和图检索：采用RRF进行排名融合，借助GraphRAG，并构建检索、融合、扩展、重新排名的架构。
阅读约 6 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。