Microsoft GraphRAG Example

Microsoftが提唱する GraphRAGを使って高度な RAG環境を構築し、その 「高度さ」が従来型のVector RAGと比べて実際にどれだけの違いを 生むのかを検証するリポジトリ。

このリポジトリでやること

1. GraphRAGで高度なRAG環境を構築する（graphrag/）。ナレッジ グラフを構築し、local/global searchで質問に答える
2. その「高度さ」を検証する。同じ入力データに対して、比較対象と なるシンプルなVector RAG（チャンク分割＋埋め込み検索＋生成）を vector_rag/に用意し、同じ質問セットをGraphRAGとVector RAGの 両方に投げてLLM-as-judgeで採点する仕組み（evaluation/）で 差を確かめる

リポジトリ構成

graphrag/       GraphRAG本体の設定・プロンプト（settings.yaml, .env, prompts/）
vector_rag/     比較対象のVector RAGベースライン（settings.yaml, index/query CLI）
evaluation/     GraphRAGとVector RAGを比較検証するCLI（QA生成・実行・採点・レポート）
input/          両パイプラインで共有する入力データ
tests/          pytestによるユニットテスト
docs/           セットアップ・検証手順のドキュメント

ドキュメント

まずGraphRAG環境を構築し、次に比較検証に必要なVector RAGと評価の 仕組みを用意する、という順番で進めます。

1. uvを使ったGraphRAGセットアップ手順
2. Vector RAGセットアップ手順
3. GraphRAG対Vector RAG 評価手順

LLMをOllamaに切り替える場合は OllamaをLLMとして使う設定手順も参照してください。

テスト

uv run pytest

参考資料

• GraphRAG - 公式ドキュメント
• GraphRAG (microsoft/graphrag) - GitHub