腾讯优图开源Youtu-GraphRAG，图检索增强技术实现新突破

腾讯优图实验室正式开源 Youtu-GraphRAG 框架，针对图检索增强生成（GraphRAG）领域的关键痛点，实现成本与效果双重突破！

图检索增强生成（GraphRAG）是复杂领域知识问答重要解决方案，但当前存在三大核心痛点：

• 开销巨大：通过大语言模型（LLM）构建图谱时，Token消耗大、耗时长，经济与时间成本高昂


• 效果瓶颈：对复杂问答的解析精度有限


• 适配成本高：缺乏跨任务泛化能力，新领域需重新调整全链路，迁移成本高

针对这些难题，腾讯优图实验室开源 Youtu-GraphRAG 框架，通过创新算法优化，实现成本和效果的双重突破！论文标题为 Youtu-GraphRAG: Vertically Unified Agents for Graph Retrieval-Augmented Complex Reasoning（论文链接：https://arxiv.org/pdf/2508.19855）

在六个跨领域多语言基准测试中，Youtu-GraphRAG 展现出卓越性能：大幅成本优化，相比同类最佳方案，构图成本节省30%+；显著精度提升，在复杂推理任务中获得最高16%+的准确率提升。这些结果标志着 GraphRAG 技术向落地可用的发展阶段迈进了重要的一步。

Youtu-GraphRAG 通过 Schema 连接两个智能体，在图构建、索引和检索上实现垂直统一和认知闭环，构建领先落地级图构建与推理能力，技术架构包含三大创新：

1. Schema引导的层次化知识树构建：引入有针对性的实体类型、关系和属性类型，为图构建智能体提供精确约束，实现跨领域知识的自主演化和高质量抽取。四层架构包括：属性层（存储实体属性信息）、关系层（构建实体关系三元组）、关键词层（建立关键词索引体系）、社区层（形成层次化高维度社区结构）。


2. 结构语义双重感知的社区检测：巧妙融合结构拓扑特征与子图语义信息，在复杂网络中提炼高维度知识，提升推理总结能力，社区生成效果显著优于传统算法。利用大模型进行社区摘要生成，实现更高层次的知识抽象。


3. 智能迭代检索机制：深度理解图 Schema，将复杂查询针对性转换为符合图特征且可并行处理的子查询，通过迭代检索进一步提升思维链追溯与反思能力。

该框架有三大核心应用场景：

1. 推理与总结：完美解决需要多步推理的复杂问题，如深度关联分析、因果推理等场景。


2. 知识密集型任务：高效处理依赖大量结构化知识的问题，如企业知识库问答、技术文档深度解析。


3. 跨域扩展应用：轻松支持学术论文、个人知识库、私域 / 企业知识库等多个领域，最小化人工干预成本。

部署步骤简单，四步开箱智能复杂问答：

1. 获取项目代码：
   git clone https://github.com/TencentCloudADP/youtu-graphrag
cd youtu-graphrag


2. 环境配置：
   1. 获取模型服务凭证并配置 API key
   2. 按示例格式创建配置文件，复制 API key
   3. 构建并运行 docker 容器：
   docker build -t youtu_graphrag:v1 .
docker run -d -p 8000:8000 youtu_graphrag:v1


3. 体验交互：
   curl -v http://localhost:8000，访问 http://localhost:8000 即可体验完整的图增强推理服务

我们提供公平匿名数据集 AnonyRAG 防止大语言模型预训练时知识泄露，社区欢迎研究者、工程师、开发者等贡献新种子 Schema、自定义数据集或实践案例。

Youtu-GraphRAG 不仅代表图检索增强生成技术的最新进展，更为企业级知识管理和智能问答系统设立了新的标杆。其突破性的成本效益比和精度提升，让高质量智能问答服务变得更加可及和可持续。立即体验 Youtu-GraphRAG，开启智能问答的新篇章！