(相關資料圖)

025年9月11日，騰訊優圖實驗室宣布，正式開源全新圖檢索增強生成框架——Youtu-GraphRAG。這一框架在成本優化、推理精度和跨領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，目前行業仍然普遍存在三大難題：首先，構建圖譜需要大量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，遇新領域需重新調整全鏈路，遷移成本高。

針對以上痛點，Youtu-GraphRAG通過算法創新帶來了“成本與效果的雙突破”。在六個權威基準測試中，該框架最高實現90.71%的Token成本節約，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，能夠在不同領域間實現無縫遷移。騰訊優圖實驗室表示，這意味著GraphRAG技術正從實驗探索階段加速走向產業落地。

在技術架構上，Youtu-GraphRAG通過Schema連接兩個智能體，首次實現了從圖構建到索引和檢索的垂直統一和認知閉環。其設計亮點包括：由動態Schema引導的四層知識樹結構實現了跨領域知識的自主演化和高質量抽取；融合結構和語義特征的社區檢測機制，在復雜網絡中提煉高維度知識加強推理總結能力；以及能夠基于Schema智能分解復雜問題并迭代優化的檢索機制，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。

憑借這些技術創新，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域知識總結；在產業層面，它能夠為企業知識庫問答、技術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研究、個人知識庫和私域知識管理。該框架還具備企業級特性，包括統一配置管理、高性能并行處理和跨環境遷移支持，為大規模落地提供了堅實基礎。

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

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

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

關鍵詞： 算法 騰訊 知識庫 大模型 增強技術 知