(相关资料图)

025年9月11日，腾讯优图实验室宣布，正式开源全新图检索增强生成框架——Youtu-GraphRAG。这一框架在成本优化、推理精度和跨领域适配性上取得突破性进展，加速推动大模型在复杂问答场景从“能用”走向“好用”。

近年来，随着大模型在知识问答中的应用不断深入，图检索增强生成（GraphRAG）逐渐成为解决复杂问题的重要路径。然而，目前行业仍然普遍存在三大难题：首先，构建图谱需要大量Token消耗，成本高昂；其次，对复杂问答的解析精度有限，面临显著的效果瓶颈；另外，缺乏跨任务泛化能力，遇新领域需重新调整全链路，迁移成本高。

针对以上痛点，Youtu-GraphRAG通过算法创新带来了“成本与效果的双突破”。在六个权威基准测试中，该框架最高实现90.71%的Token成本节约，在复杂推理任务中准确率提升最高可达16.62%，并支持中英文双语处理，能够在不同领域间实现无缝迁移。腾讯优图实验室表示，这意味着GraphRAG技术正从实验探索阶段加速走向产业落地。

在技术架构上，Youtu-GraphRAG通过Schema连接两个智能体，首次实现了从图构建到索引和检索的垂直统一和认知闭环。其设计亮点包括：由动态Schema引导的四层知识树结构实现了跨领域知识的自主演化和高质量抽取；融合结构和语义特征的社区检测机制，在复杂网络中提炼高维度知识加强推理总结能力；以及能够基于Schema智能分解复杂问题并迭代优化的检索机制，让多跳推理链路更加高效和透明，进一步提升思维链追溯与反思能力。

凭借这些技术创新，Youtu-GraphRAG具备广泛应用前景。在科研场景中，它可以支持深度因果分析和跨领域知识总结；在产业层面，它能够为企业知识库问答、技术文档解析等高知识密集任务提供更精准和高效的解决方案，并可轻松扩展至学术研究、个人知识库和私域知识管理。该框架还具备企业级特性，包括统一配置管理、高性能并行处理和跨环境迁移支持，为大规模落地提供了坚实基础。

有业内开发者认为，Youtu-GraphRAG的开源为图检索增强技术提供了一条完整、可复用的路径，也为企业知识管理和智能问答系统树立了新标杆。凭借显著的成本优势与泛化能力，该框架有望成为推动AI应用落地的关键力量。

? GitHub源码地址：https://github.com/TencentCloudADP/youtu-graphrag

? 论文链接：https://arxiv.org/abs/2508.19855

关键词： 算法 腾讯 知识库 大模型 增强技术 知