LangChain 用文档引用建图,跨源问题准确率从 10% 升到 52%

JeremyCMorgan · x · 2026-11-11

LangChain 发布博客,介绍如何用开源项目 OpenWiki 和证据图谱(evidence graph)构建有据可查的 agent 记忆层。

核心实验结果

以编译好的 wiki 作为记忆层,agent 在跨多源问题上的准确率是用 grep 工具的 5 倍;但对简单查询,无记忆的 agent 同样准确且更快。
相比从文档中用 LLM 抽取实体建图,直接把文档引用(citations)作为图的边更有效:涉及关联关系的问题准确率从 10% 提升到 52%,简单查询几乎不变。
相比只用 wiki,加入证据图谱使 agent 引用同一证据的一致性翻倍、准确率提升 27%、每个正确答案的成本下降 58%。

结论:GraphRAG 的价值取决于问题结构——需要跨源推理时,持久化编译记忆 + 证据图谱收益巨大;简单查找则不需要。作者建议只为重复性的跨源推理保留编译记忆。

「编程与Agent」频道最新