La ricerca vettoriale trova passaggi vicini a una domanda. Funziona bene per informazioni locali contenute in un documento. Diventa meno naturale quando è necessario collegare più entità, percorrere dipendenze o produrre una panoramica di un corpus. Gli approcci GraphRAG propongono di estrarre o utilizzare un grafo di conoscenze per rappresentare queste relazioni.
Un grafo non è automaticamente superiore. La sua costruzione, il suo aggiornamento e la sua valutazione possono costare più dell’indice vettoriale. La decisione deve partire dalle domande e dalla struttura dei dati.
Tre architetture da distinguere
Vettore RAG
I documenti vengono segmentati, trasformati in embedding e poi ricercati per prossimità. L'approccio è rapido da prototipare e adatto alle parafrasi.
Ricerca ibrida
Il sistema combina testo completo, vettori, filtri e riepilogo. Gestisce meglio riferimenti esatti, metadati e vocabolario vario.
GraphRAG
Le pipeline identifica entità e relazioni, costruisce comunità o riassunti e utilizza il grafo per recuperare un contesto locale o globale. Il termine copre diverse tecniche e non deve essere ridotto a un singolo prodotto.
Questioni locali e questioni relazionali
Una domanda locale chiede: « qual è la durata del preavviso indicata in questo contratto? ». Una buona parte basta.
Una questione relazionale chiede: « quali filiali dipendono dai fornitori colpiti da questo incidente e quali contratti scadono? ». Essa attraversa diverse entità e relazioni.
Una domanda globale chiede: « quali temi e rischi strutturano l'insieme dei feedback dei clienti dell'anno? ». Essa richiede una sintesi del corpus, difficile da ottenere con alcuni passaggi isolati.
Il grafo di conoscenze esistente
Quando l'azienda possiede già identificatori, relazioni e regole in un database aziendale, è spesso preferibile utilizzare questo grafo esplicito piuttosto che riestrarre tramite LLM.
Il grafico può rappresentare:
- organizzazioni ;
- persone e ruoli ;
- prodotti ;
- contratti;
- documenti ;
- eventi;
- dipendenze;
- versioni.
I passaggi documentari sono collegati alle entità. La risposta combina query strutturate e ricerca testuale.
Il GraphRAG estrae
Su un corpus non strutturato, una pipeline può rilevare entità, relazioni, affermazioni e comunità. Riepiloghi gerarchici permettono di rispondere a domande globali.
Questa estrazione è probabilistica. Può fondere due entità, inventare una relazione o mancare una sfumatura. Ogni nodo e arco deve conservare la provenienza, la fiducia e la versione.
Il grafo estratto non è automaticamente una fonte di verità aziendale.
I criteri che rendono il grafico utile
Relazioni essenziali
La risposta dipende dal percorso tra più oggetti, non solo da un passaggio simile.
Identità stabili
Le entità possono essere risolte e distinte nonostante le varianti del nome.
Domande multi-hop
Gli utenti fanno regolarmente domande che richiedono più passaggi.
Visione globale
Le sintesi di temi, comunità o dipendenze hanno un valore reale.
Spiegabilità
Mostrare il percorso delle relazioni aiuta a convalidare la risposta.
Costo accettabile
L'indicizzazione, l'aggiornamento e la governance sono proporzionati al valore.
Carte che collega i tipi di domande alle architetture RAG vettoriale, ibrida e basata su grafo.
I costi nascosti
Risoluzione delle entità
« Partitech », « partITech » e una ragione sociale possono rappresentare la stessa entità. Due persone omonime non devono essere fuse. La risoluzione richiede regole, modelli e talvolta validazione umana.
Estrazione delle relazioni
Una frase può esprimere una relazione temporanea, ipotetica o negativa. Il grafico deve conservare il contesto, la data e la fonte.
Costruzione di comunità
Gli algoritmi producono gruppi secondo dei parametri. I riepiloghi devono essere aggiornati quando il corpus cambia.
Memorizzazione e calcolo
La pipeline può moltiplicare le chiamate ai modelli, agli embeddings e alle operazioni di grafo. Il costo iniziale è superiore a una semplice indicizzazione.
Manutenzione
Eliminare o correggere un documento deve invalidare le entità, le relazioni e i riepiloghi derivati.
Architettura ibrida grafo + vettori
Il grafo non esclude i vettori. Una catena può:
- identificare le entità della domanda;
- sfogliare le relazioni autorizzate;
- recuperare i documenti associati;
- cercare i passaggi pertinenti;
- riordinatore ;
- generare con citazioni e percorso.
Al contrario, una ricerca vettoriale può trovare un passaggio e poi utilizzare le sue entità per ampliare il contesto.
Modellare la provenienza
Ogni affermazione deve indicare uno o più passaggi. Le relazioni estratte mantengono:
- fonte ;
- posizione ;
- versione ;
- data ;
- metodo di estrazione;
- fiducia;
- stato di convalida.
La risposta distingue una relazione di business confermata da una relazione dedotta.
Applicare i diritti
Un grafico può rivelare relazioni sensibili anche senza mostrare il documento. I permessi devono applicarsi ai nodi, agli archi, alle proprietà e ai passaggi.
I riepiloghi delle comunità sono particolarmente delicati: aggregano fonti che possono avere diritti diversi. Devono essere generati per ambito o filtrati con una strategia comprovata.
Aggiornamento incrementale
Una pipeline di produzione deve gestire aggiunta, modifica, eliminazione e fusione delle entità. Una ricostruzione completa può essere costosa. Le dipendenze tra sorgente, relazione, comunità e riepilogo sono monitorate.
La freschezza è misurata. Un grafico antico può produrre una risposta coerente ma falsa.
Valutare secondo i tipi di domande
Il gioco di valutazione separa:
- questioni locali;
- riferimenti esatti;
- multi-hop ;
- globali ;
- temporali;
- negative;
- ambigue.
Confrontare le architetture su qualità, citazioni, costo, latenza e facilità di aggiornamento. Un GraphRAG può migliorare le domande globali pur essendo inutile per le ricerche semplici.
Spiegare la strada
Per una questione relazionale, l'interfaccia può mostrare le entità e le relazioni utilizzate, con accesso alle fonti. Questa spiegazione deve rimanere leggibile e non esporre dati vietati.
Il percorso non è una prova sufficiente se le relazioni sono inferite. Lo stato e la provenienza sono visibili.
Iniziare con una base solida
Prima di costruire un grafo, migliorare i metadati, il testo completo, i vettori e il reranking. Misurare le domande che restano in fallimento. Se condividono un bisogno relazionale o globale, un prototipo di grafo diventa giustificato.
Un sotto-corpus ridotto permette di stimare il costo di estrazione, la qualità delle entità e il guadagno reale.
Scegliere la struttura proporzionata
Un grafo di business esplicito è potente quando le relazioni sono già conosciute. Un GraphRAG estratto è utile per esplorare un corpus complesso, a condizione di mantenere la provenienza e di misurare i suoi errori. Una ricerca ibrida rimane spesso la migliore base.
Partitech può costruire la baseline, integrare pgvector, modellare un grafo e confrontare i risultati su un set di valutazione. L'obiettivo è utilizzare la struttura che risponde alle domande, non aggiungere un grafo per il suo effetto di novità.
Parliamo del tuo progetto
Prototipare e confrontare le architetture della conoscenza con Partitech. Contatta Partitech.