一句话理解
在 GraphRAG 里,retrieval 解决的是“该把哪些证据找回来”,而 query execution 解决的是“应该在结构化知识环境里执行什么操作来得到答案或中间绑定结果”。
为什么这个区分重要
- 很多论文表面上都在“从图里取信息”;
- 但有些方法本质上是在做 evidence ranking;
- 有些方法本质上是在做 structured query answering。
如果不分清这两者,很多 GraphRAG 方法会看起来都像“图检索”,但它们的理论对象其实完全不同。
Retrieval 在做什么
1. 核心目标是找证据
- 输入一个 query;
- 输出一组 passages、triples、paths、subgraphs 或 community summaries。
它的重点是:
- relevance
- recall
- ranking
- filtering
2. 输出通常是“候选上下文”
- retrieval 的结果一般不是最终答案;
- 而是供后续 LLM 阅读、整合、生成的上下文。
3. 典型失败方式
- 图里有证据,但没召回;
- 召回了很多近似相关却无助于回答的噪声;
- top-k 看起来合理,但证据链不完整。
Query Execution 在做什么
1. 核心目标是执行结构化操作
- 不再只是“找一些相关证据”;
- 而是:
- 做 join
- 做约束匹配
- 做多步查询
- 做答案集合或中间变量绑定
2. 输出更接近“执行结果”
- 它返回的可能是:
- 最终答案实体
- 候选答案集合
- 中间查询结果
- 某个受约束的局部子图
3. 它更像数据库或 KGQA
- 在这个视角下,图不只是检索索引;
- 图更像一个可操作的知识环境。
两者最本质的区别
1. 问题表述不同
- retrieval: 找哪些东西最值得给模型看。
- query execution: 应该对知识结构执行什么操作。
2. 成功标准不同
- retrieval 更看:
- recall
- precision
- context usefulness
- query execution 更看:
- execution correctness
- constraint satisfaction
- denotation quality
3. 错误类型不同
- retrieval error: 没找全、排错序、噪声过多。
- execution error: 计划错、解析错、执行错、约束错、符号语义对不上。
4. 与 LLM 的接口不同
- retrieval 是给 LLM 喂上下文;
- execution 更像给 LLM 一个 tool / environment,让它发出操作意图。
在当前知识库里,这两条路线分别对应什么
更偏 Retrieval 的方法
这些方法更关心:
- 证据如何组织
- 子图如何找
- 上下文如何压缩
更偏 Query Execution 的方法
这些方法更关心:
- 查询意图如何落到图操作上;
- 如何执行查询,而不是只 verbalize 一堆路径给 LLM 看。
介于两者之间的混合路线
这些方法说明,很多 GraphRAG 实际处在 retrieval 与 execution 之间:
- 先检索
- 再规划
- 再执行局部动作
为什么 GraphRAG 会从 Retrieval 走向 Query Execution
1. 多跳问题天然更像操作链,而不是相关性排序
- 单跳问题 often 可以靠 ranking 解决;
- 复杂多跳问题往往需要:
- 先找到中间实体
- 再施加关系约束
- 再确认终点
这已经很接近执行,而不只是召回。
2. 结构化图的真正优势在于可操作性
- 如果图只被当成“另一种向量索引”,很多结构优势会被浪费;
- 图真正额外提供的是:
- relation constraint
- path semantics
- compositional query structure
3. 证据过长时,execution 比 retrieval 更节省上下文
- retrieval 往往要把证据文本或路径塞进 prompt;
- execution 可以只返回更精炼的中间结果或答案候选。
但 Query Execution 也不是总更好
1. 它更依赖结构质量
- 图 schema 不稳;
- entity linking 不稳;
- 关系抽取不稳;
都会直接伤害 execution。
2. 它不一定适合文档型开放域 GraphRAG
- 对文档型语料,很多知识并不能自然写成干净的结构化操作;
- 这时 retrieval 仍更灵活。
3. execution 正确不等于解释充分
- 返回了正确答案实体;
- 不代表给用户的解释、证据路径和生成文本就一定足够好。
常见误区
误区 1:Query execution 只是更强的 retrieval
- 不对。
- 它不是“把检索做得更准”而已;
- 而是把问题重写成可执行操作。
误区 2:只要是 KG-RAG 就属于 query execution
- 也不对。
- 很多 KG-RAG 仍然只是从 KG 中检索 triples 或 paths,再交给 LLM 总结。
误区 3:retrieval 比 execution 更“弱理论”
- 不一定。
- retrieval 和 execution 只是理论对象不同:
- 一个更像排序与证据选择;
- 一个更像查询处理与程序执行。
更深一层可以继续追问的问题
- retrieval 与 query execution 能否统一到同一个 planning 框架里?
- 什么时候 execution 的收益足以抵消建图与执行成本?
- neural query executor 与 symbolic executor 的边界在哪里?
- 文档型 GraphRAG 是否也能发展出真正的 query execution 语义?
相关笔记
这是一篇概念笔记,用来区分 GraphRAG 中两种经常被混淆的理论对象。