·tian
当向量搜索失效：为什么知识图谱能处理 Embedding 无法解决的查询
向量搜索在多跳查询、实体消歧和跨文档推理方面经常会默默失效。本文将探讨何时知识图谱和混合检索才是正确的架构选择。
insider
rag
knowledge-graphs
vector-search
+2·tian
GraphRAG vs. Vector RAG：知识图谱何时优于向量嵌入
在合规和企业领域的多实体查询中，向量嵌入的准确率往往会降至零。本文将探讨知识图谱在何时是更优选择，以及你将面临的运维成本。
insider
rag
knowledge-graphs
retrieval
+2·tian
知识图谱回归：为什么 RAG 团队正在为检索添加结构化数据
基线 RAG 在多跳问题上仅能覆盖 22-32% 的答案，而 GraphRAG 可达到 72-83%。本文提供了一份实用指南，介绍如何在检索管道中添加知识图谱结构——包括构建模式、路由策略，以及何时不值得引入 schema 开销。
insider
knowledge-graphs
rag
graphrag
+2·tian
GraphRAG 落地实践：向量检索在多跳推理上的局限与突破
当查询需要跨文档连接多个实体时，向量检索往往力不从心。GraphRAG 借助知识图谱实现多跳推理——但其构建成本、实体消歧难题和维护负担，要求开发者在架构上做出审慎的权衡取舍。
graphrag
knowledge-graph
rag
vector-search