GraphRAG 是微软发布的一个模块化、基于图的检索增强生成（RAG）系统，托管在 GitHub 上（https://github.com/microsoft/graphrag）。官方将其定位为一个研究项目，探索使用图来为问答构建有针对性的上下文。自 2024 年 7 月首次发布以来，前沿模型的能力发生了显著变化，其研究项目组合也更加多样化。目前该项目基本处于维护模式，不再接受新的 PR 或实现新功能，只会在适当情况下进行错误修复和依赖更新，尤其是应对新出现的 CVE。
用途与定位：GraphRAG 是一个数据管道与转换套件，旨在利用大语言模型从非结构化文本中提取有意义的结构化数据。该仓库提出的方法论是使用知识图谱记忆结构来增强大语言模型的输出，从而提升模型对私有数据进行推理的能力。官方强调，所提供的代码为演示用途，并非微软官方支持的产品。
主要能力：以图为组织方式构建 RAG 流程；通过数据管道对非结构化文本进行提取和结构化转换；使用知识图谱记忆结构来增强 LLM 输出；为问答任务形成有针对性的上下文。关于具体模块组成、索引算法细节、性能指标等，资料暂未提供。
使用方式：官方推荐从命令行快速开始（command line quickstart）入手。文档中提到需要执行初始化命令，例如在次版本升级之间始终运行 graphrag init --root [path] --force，以确保使用最新的配置格式；在主版本升级之间，如希望避免重新索引先前数据集，可运行所提供的迁移 notebook。需注意该操作会覆盖配置和提示词，必要时应提前备份。
提示词与效果：官方指出，开箱即用地将 GraphRAG 用于自有数据未必能获得最佳结果，强烈建议按照文档中的提示词调优指南（Prompt Tuning Guide）对提示进行微调。
贡献与开发：贡献指南见 CONTRIBUTING.md；开始开发 GraphRAG 请参见 DEVELOPING.md；反馈与交流可通过 GitHub Discussions 进行。版本管理方式可参考 breaking changes 文档。
成本与风险提示：官方警告 GraphRAG 的索引操作可能成本高昂，建议阅读全部文档以了解流程和相关成本，并从小规模开始。
责任与合规章节：文档提供 Responsible AI FAQ 与 RAI_TRANSPARENCY.md（其中列出 GraphRAG 是什么、能做什么、预期用途、如何评估与所用指标、局限性及用户如何降低影响、有效且负责任使用的操作因素与设置等问题）。此外，项目可能包含微软或第三方项目的商标或徽标，授权使用须遵循微软商标与品牌指南，修改版本中不得造成混淆或暗示微软赞助。
适用场景：为问答任务构建针对性上下文、基于私有数据增强 LLM 推理、从非结构化文本中提取结构化数据等研究与实践场景。具体行业案例与部署规模，资料暂未提供。
限制：项目处于维护模式，不再接受新 PR 或新功能；索引可能成本高；开箱效果未必最佳，需要提示词调优；代码为演示用途，非官方支持产品。关于平台要求、许可证细节、具体支持的模型，资料暂未提供。
