<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>向量索引 on PlumePHP</title><link>https://plumephp.com/tags/%E5%90%91%E9%87%8F%E7%B4%A2%E5%BC%95/</link><description>Recent content in 向量索引 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sat, 26 Sep 2026 12:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E5%90%91%E9%87%8F%E7%B4%A2%E5%BC%95/index.xml" rel="self" type="application/rss+xml"/><item><title>GraphRAG：知识图谱 + 向量检索的检索增强生成实践</title><link>https://plumephp.com/graphdb-graphrag-vector/</link><pubDate>Sat, 26 Sep 2026 12:00:00 +0800</pubDate><guid>https://plumephp.com/graphdb-graphrag-vector/</guid><description>&lt;h2 id="导语rag-的第三次进化"&gt;导语：RAG 的第三次进化&lt;/h2&gt;
&lt;p&gt;第一代 RAG 用向量相似度检索文本块，第二代加了重排（rerank）与混合检索，但都困在一个问题上：&lt;strong&gt;文本块之间没有关系，模型无法理解&amp;quot;谁和谁在什么时候有关联&amp;quot;&lt;/strong&gt;。GraphRAG 把知识图谱引入 RAG——检索的不再是孤立的文本块，而是&lt;strong&gt;带关系的子图&lt;/strong&gt;。这让多跳推理（multi-hop reasoning）、全局问题（global question）的回答质量显著提升。本专题的 &lt;a href="https://plumephp.com/graphdb-knowledge-graph/"&gt;知识图谱构建与应用&lt;/a&gt; 已介绍 KG 概念，本文聚焦 GraphRAG 的工程实现。&lt;/p&gt;</description></item></channel></rss>