资料内容：
一、为什么需要 Graph RAG？
虽然 llamaindex 能够 利用摘要索引进行增强的方案，但这些都是利用非结构化文本在做。
对于 知识图谱，是否可以将其 作为一路召回，提高检索的相关性，这个可以利用好知识图谱内部的知识。
知识图谱可以减少基于嵌入的语义搜索所导致的不准确性。
二、什么是 Graph RAG？
Graph RAG（Retrieval-Augmented Generation），是一种基于知识图谱的检索增强技术，通过构建图模型的知
识表达，将实体和关系之间的联系用图的形式进行展示，然后利用大语言模型 LLM进行检索增强。
三、Graph RAG 思路介绍？
Graph RAG将知识图谱等价于一个超大规模的词汇表，而实体和关系则对应于单词。通过这种方式，Graph
RAG 在检索时能够将实体和关系作为单元进行联合建模。
Graph RAG 思想：对用户输入的query提取实体，然后构造子图形成上下文，最后送入大模型完成生成
