问题——以知识图谱增强检索的GraphRAG正在加速落地。与传统向量检索主要依赖“语义相似”不同，知识图谱用“实体—关系”网络来表达事实及因果脉络，更适合跨文档、多跳推理等复杂问答场景。但图谱检索的前提是建图质量：需要从合同、判例、合规条款、公司治理文件等原始文本中稳定抽取“实体—关系—实体”三元组。若抽取环节不稳定——图谱越做越大——噪声也会随之放大，反而可能削弱检索效果并提高误判风险。
知识图谱是认知智能的重要基础设施，而建图过程更像一台精密手术：不仅需要工具，更依赖对专业领域的理解与规范。此次测试暴露的短板提示我们，AI落地不能止步于“语义理解”，还必须解决“知识建构”的工程化与可控性。在自主可控的技术路径上，围绕机器认知能力的这场攻坚，才刚刚开始。