微软最新又改版了一波GraphRAG，这波把知识图谱丢了，只剩下无向图了。
带来的优势是：
- LazyGraphRAG 数据索引成本与向量 RAG 相同，且为全图 RAG 成本的 0.1%。
- 对于与向量 RAG 相当的查询成本，LazyGraphRAG 在局部查询中优于所有竞争方法，包括LongRAG 和 GraphRAG DRIFT 搜索以及 GraphRAG 局部搜索。
- 相同的 LazyGraphRAG 配置在全局查询方面也显示出与 GraphRAG 全局搜索相当的答案质量，但查询成本降低了 700 多倍。
- 对于 GraphRAG 全局搜索的 4%查询成本，LazyGraphRAG 在本地和全局查询类型上，包括 C2 级别的 GraphRAG 全局搜索（大多数应用推荐的三级社区层次）上，显著优于所有竞争方法。
图 1. 展示 LazyGraphRAG 在（100，500，1,500）相关性测试预算下，相对于每个（局部，全局）查询和（全面性，多样性，赋权）指标组合的竞争条件下的胜率簇状柱状图
二者区别：
-
放弃实体关系抽取（关系太吃token了），抽取概念，构建无向概念图。再次基础上，层次化社区构建
-
放弃社区报告，推理时处理
-
query做sub-q，做遍历，涉及到一些排序的策略，比如根据文本块的相关性去筛选社区。然后又判断社区的前k个文本块的相关性，决定是否要去筛选子社区。 大概就是没有社区报告了，从文本来入手了。
-
生成答案差不多，map-reduce， 每个sub-q针对检索结果，生成结果，最后总结结果。