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

  1. retrieval 与 query execution 能否统一到同一个 planning 框架里?
  2. 什么时候 execution 的收益足以抵消建图与执行成本?
  3. neural query executor 与 symbolic executor 的边界在哪里?
  4. 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。