价格真滴香——我用Gpt4o-mini和GraphRag啃下国学三命通会后成为算命大师

最近AI圈有两个重磅的信息：

- OpenAI放出4o-mini模型和api

- 微软开源图谱式增强式搜索GraphRag

GraphRag是一项非常非常重要的技术，尤其是对于垂直领域的小模型而言，它是一项极具价值的技术，本文会结合算命神书「三命通会」细说。

（为什么不选热门的书，因为大模型会使诈，仅仅利用自己本身的知识而非知识库去回答）

在4o-mini模型还没放出的时候，许多测评人用4o的API拆解微软的测试例子（大概3万字）花了大概7-11刀左右。

现在我通过4o-mini的API用GraphRag拆解了三命通会的基础篇作为知识库，（一共2万5千字）

一共才花费0.12刀，成本降了60倍，太香了。

GraphRag支持本地部署，部署过程非常简单，微软官方一步一步教学，有算力的可以用ollama更省钱，项目地址在文末。

效果对比

我问大师：八字五行里面水与什么有关？

这是普通RAG的回答：

我把三命通会作为知识库放入字节扣子的Bot里

这是GraphRAG的回答：

相比普通RAG片面零碎的搜索，GraphRAG的回答非常详细，引用了「三命通会」文中的六处的内容，并且都标明引用的出处。

为了确定它是不是在瞎编内容，我把三命通会的原文和回答扔给Kimi帮忙鉴别：

总结来说，回答并没有瞎编，而是结合文档内容拓展性地引用，这就是GraphRAG的厉害。

GraphRAG最通俗的讲解

从RAG推出以来我发现智能体的知识库的功能是相当鸡肋的，而GraphRAG非常有效地解决了RAG搜索知识库不够全面和智能的问题。

它和传统RAG区别在哪里呢？以刚刚的例子解释：

- 普通RAG

普通RAG只会寻找与水相关的索引，找到一些零散的信息给你。这种搜索的方式往往比较简单直接，比如它刚刚只是找到了一个很简单的五行相克的知识。

水有时候可以反过来生金。水能克火，但如果火势太大，用一桶水就浇灭不了它，反而会使火烧得更旺，这就叫火大水干，也就是火克水。

- GraphRAG

更像一个超级助手，它不仅帮你找到关于水的片段，还会片段之间的关系也找出来，就像它们在知识图谱中的位置一样，然后通过社区建立片段之间的联系和联系的层级。

此外，水在五行理论中与癸水相关，癸水作为阴水元素，具有流动性和适应性，影响着五行系统的平衡与动态。

水与土元素（戊己土）之间的关系也非常重要。水与土的互动形成了动态平衡，影响着个人的命格和财运 [Data: Reports (53, 60, +more)]。

GraphRAG的核心就就在知识图谱（实体）-社区-层级关系。

- 知识图谱 (Knowledge Graph)

知识图谱是一个图形结构，其中包含了各种实体（比如人、地点、事件等）以及它们之间的关系。

模型判断「阴阳」是一个概念，「光宗耀祖」是一个事件，「滴天髓」是一个组织：

- 社区 (Communities)

在知识图谱中，社区指的是一组彼此关系更密切的实体。

- 层级关系 (Hierarchy of Relationships)

GraphRAG使用不同的层次来描述实体或社区之间的关系。

模型会判断「阴阳」和「五行」之间的关系，输出相关权重：

这三个元素让有GraphRAG能够理解复杂关系的任务，具有：

- 更全面的理解

- 更智能的搜索

- 更好的组织

此外这三个元素BOT的提示词在项目中也有详细的给出，有能力的可以研究下怎么通过工作流去复现。

普通RAG要淘汰？

我认为普通RAG倒不至于被淘汰，两者都有其存在的价值和适用场景。

- RAG适用于需要广泛信息覆盖和时效性的生成任务，例如，在新闻摘要、问答系统、客服对话中，RAG可以提供基于当前情境的最相关和最及时的回答。

- GraphRAG则更适用于需要深入理解和分析复杂关系、多层次结构的生成任务，如知识推理、故事生成等。

以上是我今天的一点思考，

全文无广，谢谢阅读。

觉得写得好可以给个赞赏。

https://microsoft.github.io/graphrag/posts/get_started/