在这篇文章中，我们将详细探讨知识图谱（KG）在RAG流程中的具体应用场景。

关于知识图谱在现在的RAG中能发挥出什么样的作用，之前看了360 刘焕勇的一个分享，简单的提了使用知识图谱增强大模型的问答效果的几个方面。

在知识整理阶段，用知识图谱将文档内容进行语义化组织；在意图识别阶段，用知识图谱进行实体别称补全和上下位推理【受控 改写】；在Prompt组装阶段，从知识图谱中查询背景知识放入上下文【精准召 回】；在结果封装阶段，用知识图谱进行知识修正和知识溯源。【自我修正】

这个分享中，只是粗略的介绍了用知识图谱去语义化组织文档，缺乏深度，于是查阅相关资料，翻到WhyHow.AI的联合创始人(Co-Founder) Chia Jeng Yang的一篇文Injecting Knowledge Graphs in different RAG stages，这篇文章较为详细的介绍了KG在RAG各个阶段的可能得应用方式，在这里分享给大家。

缘起

我们将RAG分为下面几个阶段：

• 阶段1：预处理 ，通常是提取chunk分块之前的预处理。
• 阶段2/D：chunk提取
• 阶段3-5：后处理，用检索到的信息生成答案