[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-graph-rag::ru":3,"gloss-cluster-graph-rag::ru":23,"gloss-next-graph-rag::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"graph-rag","data-infra","GraphRAG","GraphRAG усиливает retrieval-augmented generation графом знаний, построенным из корпуса. При индексации LLM извлекает из каждого документа сущности и связи между ними, собирает их в граф, кластеризует его в сообщества и пишет резюме на каждом уровне. Во время запроса система может обходить связи и обращаться к резюме сообществ, а не только сопоставлять семантически похожие фрагменты. Это бьёт по двум самым слабым местам обычного RAG: многошаговые вопросы («каких клиентов затронул сбой, вызванный поставщиком?»), ответ на которые размазан по документам, не связанным ни одним фрагментом, и глобальные вопросы («каковы главные темы этого корпуса?»), на которые поиск по сходству не отвечает вовсе. Паттерн популяризовал открытый GraphRAG от Microsoft (2024). Издержки: дорогая индексация — извлечение сущностей сжигает LLM-токены по всему корпусу — и поддержка графа при изменении документов. Большинство команд применяют его выборочно, рядом с векторным ретривалом, в доменах с плотными связями, а не как полную замену.","GraphRAG строит граф знаний над корпусом: ретривал обходит связи и отвечает на многошаговые и общекорпусные вопросы, недоступные обычному RAG.",null,[11,14,17,20],{"slug":12,"name":13},"chunking","Чанкинг (Chunking)",{"slug":15,"name":16},"graph-database","Графовая база данных (graph database)",{"slug":18,"name":19},"retrieval-augmented-generation","Генерация с дополненным поиском (RAG)",{"slug":21,"name":22},"semantic-search","Семантический поиск (Semantic Search)",[24,28,31,34,37,41,44,47,50,53,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Обратное давление (backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Кэш (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Захват изменений данных (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":27},"columnar-storage","Колоночное хранение",{"slug":61,"category":5,"name":62,"updated_at":27},"connection-pooling","Пулинг соединений (Connection Pooling)"]