(相關(guān)資料圖)

025年9月11日，騰訊優(yōu)圖實驗室宣布，正式開源全新圖檢索增強生成框架——Youtu-GraphRAG。這一框架在成本優(yōu)化、推理精度和跨領(lǐng)域適配性上取得突破性進展，加速推動大模型在復雜問答場景從“能用”走向“好用”。

近年來，隨著大模型在知識問答中的應用不斷深入，圖檢索增強生成（GraphRAG）逐漸成為解決復雜問題的重要路徑。然而，目前行業(yè)仍然普遍存在三大難題：首先，構(gòu)建圖譜需要大量Token消耗，成本高昂；其次，對復雜問答的解析精度有限，面臨顯著的效果瓶頸；另外，缺乏跨任務泛化能力，遇新領(lǐng)域需重新調(diào)整全鏈路，遷移成本高。

針對以上痛點，Youtu-GraphRAG通過算法創(chuàng)新帶來了“成本與效果的雙突破”。在六個權(quán)威基準測試中，該框架最高實現(xiàn)90.71%的Token成本節(jié)約，在復雜推理任務中準確率提升最高可達16.62%，并支持中英文雙語處理，能夠在不同領(lǐng)域間實現(xiàn)無縫遷移。騰訊優(yōu)圖實驗室表示，這意味著GraphRAG技術(shù)正從實驗探索階段加速走向產(chǎn)業(yè)落地。

在技術(shù)架構(gòu)上，Youtu-GraphRAG通過Schema連接兩個智能體，首次實現(xiàn)了從圖構(gòu)建到索引和檢索的垂直統(tǒng)一和認知閉環(huán)。其設計亮點包括：由動態(tài)Schema引導的四層知識樹結(jié)構(gòu)實現(xiàn)了跨領(lǐng)域知識的自主演化和高質(zhì)量抽取；融合結(jié)構(gòu)和語義特征的社區(qū)檢測機制，在復雜網(wǎng)絡中提煉高維度知識加強推理總結(jié)能力；以及能夠基于Schema智能分解復雜問題并迭代優(yōu)化的檢索機制，讓多跳推理鏈路更加高效和透明，進一步提升思維鏈追溯與反思能力。

憑借這些技術(shù)創(chuàng)新，Youtu-GraphRAG具備廣泛應用前景。在科研場景中，它可以支持深度因果分析和跨領(lǐng)域知識總結(jié)；在產(chǎn)業(yè)層面，它能夠為企業(yè)知識庫問答、技術(shù)文檔解析等高知識密集任務提供更精準和高效的解決方案，并可輕松擴展至學術(shù)研究、個人知識庫和私域知識管理。該框架還具備企業(yè)級特性，包括統(tǒng)一配置管理、高性能并行處理和跨環(huán)境遷移支持，為大規(guī)模落地提供了堅實基礎。

有業(yè)內(nèi)開發(fā)者認為，Youtu-GraphRAG的開源為圖檢索增強技術(shù)提供了一條完整、可復用的路徑，也為企業(yè)知識管理和智能問答系統(tǒng)樹立了新標桿。憑借顯著的成本優(yōu)勢與泛化能力，該框架有望成為推動AI應用落地的關(guān)鍵力量。

? GitHub源碼地址：https://github.com/TencentCloudADP/youtu-graphrag

? 論文鏈接：https://arxiv.org/abs/2508.19855

關(guān)鍵詞： 算法 騰訊 知識庫 大模型 增強技術(shù) 知