GraphRAG 落地：用 Neo4j 构建知识图谱，让 AI 读懂《红楼梦》的人物关系

标签：#GraphRAG #Neo4j #LLM #知识图谱 #人工智能 #Python

---

📉 前言：向量检索的局限性

传统的 RAG 流程是：
用户提问 -> 向量化 -> 检索相似文档块 -> 喂给 LLM

但在《红楼梦》这种场景下，如果你问“贾兰应该叫贾宝玉什么？”：

1. Vector RAG：可能会检索到“贾兰和宝玉在学堂读书”的片段，然后胡说八道。
2. Graph RAG：会检索图谱路径贾兰 --(父亲)--> 贾珠 --(弟弟)--> 贾宝玉，从而精准推出“叔叔”。

核心区别 (Mermaid):