GraphRAG（グラフRAG）とは？
読み方: グラフラグ
30秒まとめ
ナレッジグラフ＋ベクトル検索を組み合わせたRAG手法。Microsoftが2024年に提唱し、複雑な質問・関係性推論で従来RAGを大きく上回る精度を実現。
GraphRAG（グラフRAG）の意味・定義
GraphRAG（グラフRAG）は、Microsoft Researchが2024年に提唱したRAG（Retrieval-Augmented Generation）の発展形で、ベクトル検索のみに依存する従来RAGの「複雑な関係性推論ができない」「大規模文書全体の俯瞰質問に弱い」という課題を、ナレッジグラフ（Knowledge Graph）の構築と統合検索で解決します。仕組みは(1)ドキュメント取り込み時にLLMでエンティティ（人物、組織、概念）と関係性（関連、雇用、引用、因果）を自動抽出、(2)ナレッジグラフを構築（ノード=エンティティ、エッジ=関係）、(3)グラフ上でクラスタリング・コミュニティ検出（Leiden algorithm等）、(4)各クラスタごとにLLMで要約を生成（Hierarchical Summary）、(5)クエリ時はベクトル検索＋グラフ探索＋階層要約の3経路を統合。利点は(a)Global Query（大規模文書全体に関する質問）の精度が従来RAGの2-3倍、(b)Multi-hop Reasoning（複数ステップ推論）が可能、(c)エンティティ間の関係性を保持（「AさんとBさんはどう関係？」に答えられる）、(d)説明可能性（どのエッジ・ノードを参照したかトレース可能）。実装は(i)Microsoft GraphRAG（OSS、Pythonライブラリ）、(ii)Neo4j + LangChain（産業実装）、(iii)LlamaIndex Knowledge Graph、(iv)Weaviate + Property Graph。コストは従来RAGの2-3倍（グラフ構築時のLLM呼出が多い）だが、精度向上効果が大きい。Use Caseは(I)企業の知識ベース横断検索、(II)医療・法律・財務の複雑文書、(III)研究論文の引用関係分析、(IV)コンプライアンス・監査ログ分析。Microsoft、AWS、Google、Anthropicが2025-2026年にGraphRAG機能を主要LLM APIに標準実装する動きが進行中で、2026年のRAGアーキテクチャの新標準になる見込みです。