#官方文档：

https://dcnsxxvm4zeq.feishu.cn/wiki/XOnXwC2btiw8YDkyFQsctFAEnHf

（官方文档中有详细的工作流参数介绍）

--------------------------------------------------------------------------------------------------------------------

#视频教程：

https://www.bilibili.com/video/BV1dS421R7Au/?spm_id_from=333.999.0.0

--------------------------------------------------------------------------------------------------------------------

#工作流介绍：

1.什么是 GraphRAG？

GraphRAG 是一种改进的技术，用于从大量信息中找到答案。它的名字由两个部分组成：Graph（图）和 RAG（检索增强生成）。

- 图（Graph）：一个图就像是一个网络，由很多点（节点）和线（边）组成。每个点代表一个信息，比如一个人、一件事或一个地方，而线则表示这些信息之间的关系。

- 检索增强生成（RAG）：这是一个技术，用来从大量文档或数据中找到相关的信息，并生成一个回答。

2.GraphRAG 是如何工作的？

GraphRAG 结合了图和 RAG 的优点，具体步骤如下：

2.1 建立知识图谱：首先，它会把所有的信息整理成一个图谱。比如，如果我们有很多关于历史事件的信息，GraphRAG 会把这些事件、人物和地点都变成图中的节点，并用线把它们之间的关系连接起来。

2.2 处理查询：当你问一个问题时，GraphRAG 会先把这个问题转换成图中的节点和关系。比如，你问“谁是爱因斯坦的老师？”，系统会找到“爱因斯坦”和“老师”这两个节点。

2.3 图遍历：然后，GraphRAG 会在图中寻找相关的节点和关系。它会沿着图中的线（关系）找到答案，比如找到“爱因斯坦”的节点，然后沿着“老师”的线找到相关的节点。

2.4 生成回答：最后，GraphRAG 会把找到的信息整合起来，生成一个完整的回答。

3. GraphRAG 的优势

3.1 更好的上下文理解：因为它使用图结构，所以能更好地理解信息之间的关系，提供更准确的答案。

3.2 多步推理：它可以通过多个步骤找到复杂问题的答案，比如通过多个中间节点找到最终答案。

3.3 高效：对于涉及很多关系的查询，GraphRAG 能更快地找到答案。

4. 应用场景示例：

假设你在写一篇关于二战的文章，你问 GraphRAG：“二战期间有哪些重要的战役？” GraphRAG 会在它的图谱中找到“二战”和“战役”这两个节点，然后沿着图中的线找到相关的战役，比如“诺曼底登陆”、“斯大林格勒战役”等，并生成一个详细的回答。

--------------------------------------------------------------------------------------------------------------------

#关于我们：

- LLM_Party正在用心经营一片AI时代的后花园，我们希望能够在AI时代下成为众多参与者的一员，我们从开源社区中走来，也希望回到社区中去。

- 欢迎大家来到我们用心经营的后花园。如果我们的项目能够帮助到大家，麻烦大家在Github上帮我点一下Star：

- github项目地址：https://github.com/heshengtao/comfyui_LLM_party

- openart：https://openart.ai/workflows/profile/comfyui_llm_party?tab=workflows&sort=latest

- LibLib：https://www.liblib.art/userpage/4378612c5b3341c79c0deab3101aeabb/publish/workflow

- 哔哩哔哩：https://space.bilibili.com/26978344?spm_id_from=333.337.0.0

- YouTube：https://www.youtube.com/@comfyui-LLM-party

- discord：https://discord.com/invite/gxrQAYy6

- QQ交流群：931057213

- 微信交流群：Choo-Yong（添加小助理微信，统一通过后会添加至交流群）

商务合作请联系email：[email protected]