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