GraphRAG

GraphRAG คืออะไร

GraphRAG คือสถาปัตยกรรมยุคใหม่ที่ผสานรวม Knowledge Graph และการค้นหาแบบ Vector Search เข้าด้วยกัน เพื่อนำความสัมพันธ์ระหว่าง Entity มาใช้ในการค้นหา ซึ่งเป็นสิ่งที่ RAG (Retrieval-Augmented Generation) แบบดั้งเดิมไม่สามารถจับได้

สถานการณ์ที่ RAG แบบดั้งเดิมทำได้ไม่ดี

ใน RAG Pipeline ทั่วไป ระบบจะดึง Chunk โดยอาศัยความคล้ายคลึงของ Embedding เทียบกับ Query คำถามที่ต้องการความสัมพันธ์ข้ามเอกสารหลายชิ้น เช่น "คู่แข่งของบริษัท A คือใคร" เป็นจุดอ่อนของวิธีนี้ เนื่องจาก Chunk ที่ดึงมาแต่ละชิ้นไม่มีคำตอบอยู่ในตัวเอง จึงเป็นสาเหตุหนึ่งที่ทำให้เกิด Hallucination ได้ง่าย

สิ่งที่โครงสร้างกราฟช่วยแก้ไข

GraphRAG จะเริ่มต้นด้วยการสกัด Entity (บุคคล องค์กร แนวคิด ฯลฯ) และความสัมพันธ์จาก Corpus เพื่อสร้าง Knowledge Graph ในขั้นตอนการค้นหา นอกจากความคล้ายคลึงแบบ Vector แล้ว ระบบยังทำการค้นหาเส้นทาง (Path Traversal) บนกราฟด้วย จึงรองรับการอนุมานหลายขั้นตอน เช่น "A → ความสัมพันธ์เชิงการแข่งขัน → B" ได้ นอกจากนี้ยังเป็นเทคโนโลยีที่ Gartner กำหนดให้เป็น "Critical Enabler" ของ Generative AI ในปี 2026 อีกด้วย

ข้อควรพิจารณาในการนำไปใช้งาน

การสร้างกราฟต้องประมวลผล Corpus ทั้งหมดด้วย LLM จึงมีต้นทุนเริ่มต้นสูง สำหรับ FAQ Chatbot ขนาดเล็ก การใช้ Hybrid Search อาจเพียงพอในหลายกรณี ดังนั้นแนวทางที่เป็นจริงคือควรพิจารณาก่อนว่าความสัมพันธ์ระหว่างเอกสารมีความสำคัญต่อการดำเนินงานหรือไม่ เช่น การอ้างอิงข้ามข้อกำหนดในเอกสารทางกฎหมาย หรือความสัมพันธ์ของคู่ค้าใน Supply Chain แล้วจึงค่อยพิจารณานำไปใช้งาน