---
id: [[P-Reinforce|P-Reinforce]]-AI-GRAPHRAG
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.97
tags: [AI, RAG, GraphRAG, KnowledgeGraph, LLM]
last_reinforced: 2026-04-20
---

# [[GraphRAG (그래프 기반 검색 증강 생성)|GraphRAG (그래프 기반 검색 증강 생성]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "파편화된 지식을 꿰어 보배로 만드는 거대 지식 지도." 단순한 텍스트 유사도 검색을 넘어, 지식 그래프(Knowledge Graph)의 연결성을 활용해 복잡한 관계와 전체적인 맥락을 정확히 파악하는 차세대 RAG 기술이다.

## 📖 구조화된 지식 (Synthesized Content)
- **Problem with Traditional RAG**: 단순 벡터 검색은 문서 간의 명시적인 연결 고리(예: A는 B의 자식이다)를 무시하고 텍스트의 표면적 유사성만 따진다.
- **Mechanism**:
    - **Entity Extraction**: 텍스트에서 주어, 목적어 등 핵심 개체를 추출.
    - **Relationship Mapping**: 개체 간의 관계를 간선(Edge)으로 연결하여 그래프 구축.
    - **Comm[[Unity|Unity]] Detection**: 밀접하게 연결된 지식 뭉치들을 파악하여 거시적 답변 생성 가능.
- **Benefit**: "이 소설의 전체적인 주제가 뭐야?"와 같이 여러 문서에 흩어진 정보를 종합해야 하는 글로벌 쿼리에 매우 강력함.

## ⚠️ 모순 및 업데이트 (RL Update)
- GraphRAG는 그래프 구축(Indexing) 비용이 일반 RAG에 비해 매우 비싸다(수천 번의 LLM 호출 필요). 따라서 실시간으로 변하는 데이터보다는 법률, 논문 데이터베이스처럼 정적이지만 깊은 관계 분석이 필요한 지식 베이스에 적합하다.

## 🔗 지식 연결 (Graph)
- Related: [[Knowledge-Graph|Knowledge-Graph]] , [[벡터 데이터베이스 (Vector Database)|벡터 데이터베이스 (Vector Database]]
-System: [[RAG (검색 증강 생성)|RAG (검색 증강 생성]]