GraphRAG

GraphRAG (Geração Aumentada por Recuperação em Grafo) estende RAG padrão extraindo primeiro um grafo de conhecimento do corpus de origem. Nós representam entidades—pessoas, organizações, conceitos, eventos—e arestas representam relacionamentos nomeados entre eles. No momento da consulta, o sistema percorre essa estrutura de grafo para recuperar subgrafos conectados relevantes, em vez de confiar apenas em similaridade de incorporação para encontrar fragmentos de texto independentes. Essa consciência estrutural permite que o sistema siga cadeias de relacionamentos e agregue informações distribuídas em muitos documentos de origem.

O pipeline do GraphRAG opera em duas fases. Durante a indexação, um LLM processa todos os documentos de origem para extrair entidades nomeadas e relacionamentos, armazenando-os como um grafo, frequentemente em um banco de dados de grafos como Neo4j ou em estruturas na memória. Algoritmos de detecção de comunidade, como clustering Leiden, agrupam nós relacionados em comunidades temáticas, e resumos gerados por LLM são produzidos para cada comunidade. Durante a consulta, o sistema executa consultas locais—encontrando nós de entidades fortemente conectados via similaridade vetorial—ou consultas globais—agregando sobre resumos de comunidades para responder perguntas temáticas amplas abrangendo todo o corpus. Subgrafos ou resumos recuperados são passados como contexto para um LLM para geração de resposta final.

RAG de vetor denso padrão lida efetivamente com consultas de busca, mas tem dificuldades com perguntas que requerem síntese entre muitos documentos ou raciocínio relacional multi-hop—identificar relacionamentos comerciais indiretos, rastrear a proveniência de uma afirmação em dezenas de fontes, ou resumir um tema que emerge apenas da leitura de muitos documentos juntos. GraphRAG lida significativamente melhor com essas consultas holísticas e relacionais. O principal tradeoff é maior custo de indexação, já que a extração de entidade baseada em LLM deve processar o corpus inteiro de forma antecipada, e overhead de armazenamento de grafo contínuo.

A Microsoft publicou o framework GraphRAG como código aberto em julho de 2024, acompanhado por pesquisa demonstrando melhorias substanciais sobre RAG ingênuo em benchmarks de resposta a perguntas em nível de corpus complexos. A partir de 2026, os princípios do GraphRAG foram integrados em produtos de gerenciamento de conhecimento empresarial e plataformas de inteligência de documentos de múltiplos fornecedores. Arquiteturas híbridas combinando recuperação de vetor denso para consultas simples de busca com travessia de grafo para consultas relacionais estão surgindo como o padrão prático para grandes bases de conhecimento empresariais.

Exemplo

“Uma firma de pesquisa de investimentos constrói um sistema GraphRAG sobre dez anos de transcrições de chamadas de ganhos e arquivos da SEC; analistas perguntam quais executivos em empresas do portfólio citaram repetidamente risco de cadeia de suprimentos, e o sistema percorre relacionamentos de entidade para compilar um resumo inter-empresa fundamentado em segundos.