查询引擎🔎

查询引擎是 Graph RAG 库的检索模块。它是 Graph RAG 库的两个主要组件之一，另一个是索引管道（请参阅索引管道）。它负责以下任务：

局部搜索

局部搜索方法通过将 AI 提取的知识图谱中的相关数据与原始文档的文本块相结合来生成答案。此方法适用于需要理解文档中提到的特定实体的问题（例如，洋甘菊的治疗特性是什么？）。

有关局部搜索如何工作的更多详细信息，请参阅局部搜索文档。

全局搜索方法通过以 MapReduce 方式搜索所有 AI 生成的社区报告来生成答案。这是一种资源密集型方法，但对于需要理解整个数据集的问题（例如，本笔记本中提到的草药最有意义的价值是什么？）通常会给出很好的回应。

有关此内容的更多信息，请查阅全局搜索文档。

DRIFT 搜索通过在搜索过程中包含社区信息，引入了一种新的局部搜索查询方法。这极大地扩展了查询起点的广度，并导致在最终答案中检索和使用更多种类的事实。此新增功能通过为局部搜索提供更全面的选项来扩展 GraphRAG 查询引擎，该选项使用社区洞察力将查询提炼成详细的后续问题。

要了解有关 DRIFT 搜索的更多信息，请参阅DRIFT 搜索文档。

GraphRAG 包含基本向量 RAG 的基本实现，以便根据您提出的问题类型轻松比较不同的搜索结果。您可以指定要在摘要上下文中包含的顶部 k 个文本单元块。

此功能接受用户查询列表并生成下一个候选问题。这对于在对话中生成后续问题或为调查员生成深入研究数据集的问题列表很有用。

有关问题生成如何工作的信息，请参见问题生成文档页面。