Первый пост - что такое RAG
Второй пост - чанки для RAG
Третий пост - Router-LLM
Четвертый пост - Гибридный поиск для RAG
Обычный RAG умеет искать «похожие тексты». Но сложные вопросы — это связи между фактами. Тут в бой идёт граф знаний (Knoweledge graph)
💬 - На первом изображении супер простое пояснение
💬 - На втором то что работает хорошо и то к чему я сейчас стремлюсь разрабатываю ядро Graph Enhanced Realtime Summarization (GERTS) у себя в Orch.so
Где спотыкается классический поиск. Примеры запросов:
- «Кто руководит проектом, где идет диалог про дизайн нового лэндоса?» — нужно 2 прыжка (Чат/задача лендинга → проект → руководитель).
- «Какие главы политики ⚖️ GDPR перекрываются с нашим NDA?» — нужно сопоставить два набора документов.
- Dense / BM25 - SPARSE - дают набор разрозненных чанков и не понимают, как они связаны.
Что даёт граф
- Узлы — сущности (проект, задача, документ).
- Рёбра — отношения («участвует», «руководит», «ссылается»).
- Поиск по графу + текст = мульти-хоп reasoning без галлюцинаций.
- Легко показать путь ответа → повышается доверие.
Мини-pipeline
User query
│
▼
1. Graph traversal (2-3 хопа)
│ ↘ кандидаты узлов
2. Vector search по тексту узлов
│
3. Rerank + цитаты
│
▼
LLM-ответ + путь доказательства
Быстрый чек-лист внедрения
- Строим KG: Neo4j / AWS Neptune / ArangoDB или любая другая граф ориентированная база данных
- Связываем узлы с ID чанков в векторной базе (Milvus, PgVector and etc)
- GraphRetriever (LangChain) или
graph_rag в Bedrock — из коробки. - Для многоязычия: храните
lang в атрибутах узлов и фильтровать на этапе traversal. - Multi-hop > 3? Летим в recursion: LLM генерирует следующий под-запрос.
Когда точно пригодится
- Cross-project вопросы («Кто ещё использует либу jquery?»).
- Compliance: сопоставление внутренних процедур и внешних регуляций.
- Диагностика багов по цепочке зависимостей.
- Аналитика: «покажи KPI проектов, связанных с клиентом _Рога_и_Корыта_».
Что почитать
- Neo4j — Using a Knowledge Graph to implement a RAG app
- AWS Bedrock GraphRAG
- HopRAG (arXiv 2025)
- KG²RAG / Knowledge-Graph Guided RAG
💬 Следующий пост: выбор моделей и инфраструктуры