成本降低1000倍！微软将开源超强RAG— LazyGraphRAG

主要观点总结

文章介绍了微软新发布的LazyGraphRAG技术，该技术针对微软之前开源的GraphRAG高成本问题进行了优化。LazyGraphRAG降低了数据索引成本，采用新的混合数据搜索方法，提高了查询结果的准确率和效率。同时，LazyGraphRAG还提供了灵活的查询接口，支持本地和全局查询，适用于多种场景。微软通过设定不同预算水平进行的测试证明了LazyGraphRAG在成本效益和查询质量上的优势。

关键观点总结

关键观点1: 微软首次开源了超大知识索引GraphRAG。

GraphRAG在短短4个多月内成为最火的RAG框架之一。

关键观点2: GraphRAG存在高成本问题。

在处理全局数据查询时，GraphRAG的成本非常高，特别是在大参数AI模型中的应用更为明显。

关键观点3: 微软发布了GraphRAG的迭代版本——LazyGraphRAG。

LazyGraphRAG降低了数据索引成本，采用全新混合数据搜索方法，生成结果的准确率、效率更高。

关键观点4: LazyGraphRAG的技术特点。

LazyGraphRAG在数据索引阶段采用NLP名词短语提取，查询处理方面结合最佳优先搜索和广度优先搜索，提供统一的查询接口，支持本地和全局查询，适合一次性查询、探索性分析和流式数据使用场景。

关键观点5: LazyGraphRAG的优势。

微软通过设定不同预算水平的测试证明了LazyGraphRAG在成本效益和查询质量上的优势。即使在低预算水平下，LazyGraphRAG也展现出了显著的优势。

文章预览

专注AIGC领域的专业社区，关注微软 、百度文心一言、讯飞星火等大语言模型（LLM）的发展和 应用 落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ 今年7月，微软首次开源了超大知识索引GraphRAG，仅4个多月的时间在Github已超过19000颗星，成为目前最火的RAG框架之一。 但GraphRAG在处理全局数据查询时成本非常高，尤其是应用在那些大参数的AI模型中格外明显，查询的过程中也存在延迟、不准确等问题。 今天凌晨，微软研究院发布了GraphRAG迭代版本——LazyGraphRAG。这个RAG的最大亮点之一就是成本非常低，数据索引成本只有完整版GraphRAG的0.1%，同时采用了全新混合数据搜索方法，生成结果的准确率、效率等却更好，很快发布开源版本并加入到GraphRAG库中。 开源地址：https://github.com/microsoft/graphrag?tab=readme-ov-file 下面「AIGC开放社区」将根据微软官方博 ………………………………