檢索增強技術（Retrieval-Augmented Generation, RAG）是一種結合檢索與生成模型的方法，旨在提高自然語言處理的準確性與效率，已廣泛應用於問答系統、對話系統、文本摘要和機器翻譯等領域。為進一步應對複雜資訊處理需求，GraphRAG應運而生，將知識圖譜（Knowledge Graph）與RAG技術結合，實現全局查詢（Global Queries）與多維度實體分析能力。GraphRAG能處理跨文件、多層級的關聯查詢，並提供清晰的推導過程，特別適合大規模知識管理情境，為智慧化應用場景奠定技術基礎。
一、前言
二、檢索增強技術的演進
三、檢索增強技術的產業應用策略
四、結論
圖1 傳統RAG與GraphRAG的物件描述示意與系統運作步驟比較
圖2 LazyGraphRAG針對向量搜索與圖譜演算截長補短
表1 RAG、GraphRAG與LazyGraphRAG的比較與分析
表2 檢索增強技術的應用策略分析