post-graph-rag：原生于 PostgreSQL 的图 RAG 引擎

文章背景与核心概要

post-graph-rag 旨在解决传统多存储架构 Graph RAG 实现中常见的逻辑缺陷与基础设施冗余问题。传统的 Graph RAG 系统通常依赖于向量数据库、图数据库和文档存储的组合，这不仅带来了巨大的同步开销，还常因缺乏质量控制导致图结构被噪声污染，且难以处理事实的时序演变。

该引擎的核心创新在于将文本分块（通过 pgvector 实现向量化）、规范化实体图以及社区摘要统一整合进单一的 PostgreSQL 数据库中。通过引入提取阶段的“不变性约束”（Invariants），该系统能够有效过滤噪声、规范化谓词并解析实体。此外，它还内置了时序层，支持对事实演变的追踪及“截至某时”（as-of）的查询，在保持高性能的同时，显著提升了图的密度与查询质量。

执行摘要

post-graph-rag 是一个开源的、原生于 PostgreSQL 的图检索增强生成（Graph RAG）引擎，旨在解决传统多存储 Graph RAG 实现中常见的架构和逻辑缺陷。

post-graph-rag is an open-source, PostgreSQL-native Graph Retrieval-Augmented Generation (RAG) engine designed to solve the infrastructural and logical flaws common in traditional multi-store Graph RAG implementations.

传统的 Graph RAG 引擎通常存在三个主要问题： 1. 基础设施开销： 需要独立的向量存储、图数据库和文档存储，且必须保持数据同步。 2. 图质量低下： 提取流水线盲目接收输出，导致图中充斥着无意义或过于模糊的边。 3. 缺乏时序感知： 引擎只是随时间累积数据，将过时的事实与当前事实同等对待。

Traditional Graph RAG engines typically suffer from three major issues: 1. Infrastructure Overhead: Requiring separate vector stores, graph databases, and document stores that must be kept consistently in sync. 2. Poor Graph Quality: Extraction pipelines that blindly accept outputs, polluting the graph with meaningless or overly vague edges. 3. Lack of Temporal Awareness: Engines that simply accumulate data over time, treating superseded facts and current facts identically.

post-graph-rag 将文本分块（通过 pgvector 提供嵌入）、规范化实体图和社区摘要整合到一个 PostgreSQL 数据库中。它引入了提取时的不变性约束来过滤噪声、规范化谓词、将实体解析为规范顶点，并结合了一个能够追踪事实演变并回答“截至某时”查询的时序层。

post-graph-rag consolidates text chunks (with embeddings via pgvector), a canonical entity graph, and community summaries into a single PostgreSQL database. It introduces extraction-time invariants to filter out noise, normalizes predicates, resolves entities to canonical vertices, and incorporates a temporal layer capable of tracking the evolution of facts and answering as-of queries.

关键特性与架构

1. 统一的 PostgreSQL 基础设施

• 单一数据库解决方案： 消除了同步不同向量数据库、图存储和文档存储的复杂性。
• 核心技术： 利用 pgvector 进行相似度搜索，并结合针对图遍历优化的关系边表。

1. Unified PostgreSQL Infrastructure

• Single Database Solution: Eliminates the complexity of synchronizing disparate vector databases, graph stores, and document stores.
• Core Technologies: Utilizes pgvector for similarity search alongside relational edge tables optimized for graph traversal.

2. 提取阶段的不变性约束

在数据写入数据库之前，引擎会运行严格的验证不变性约束： * 拒绝模糊的谓词、代词名称和纯数量描述。 * 将谓词规范化为可选的受控词汇表。 * 利用模型提供的别名将实体解析为每个规范名称下的单一顶点。 * 保留负面关系：通过在否定标志下附加正面谓词，而不是丢弃有用的上下文。

2. Extraction-Time Invariants

Before any data is written to the database, the engine runs strict validation invariants: * Rejects vague predicates, pronominal names, and bare quantities. * Normalizes predicates onto an optional controlled vocabulary. * Resolves entities to a single vertex per canonical name utilizing model-supplied aliases. * Preserves negative relations by attaching the positive predicate under a negation flag rather than discarding useful context.

3. 时序层

• 有效性追踪： 允许关系携带直接从源文本中提取的有效期。
• 文档顺序覆盖： 根据文档顺序自动覆盖早期不兼容的断言。
• 历史查询： 全面支持时间点（"as-of"）查询。

3. Temporal Layer

• Validity Tracking: Allows relationships to carry a validity period extracted directly from the source text.
• Document-Order Superseding: Automatically supersedes earlier incompatible assertions using document order.
• Historical Queries: Fully supports point-in-time ("as-of") queries.

性能与工程测量

在三个不同的语料库上使用相同的提取和嵌入模型与 LightRAG 进行对比评估时，post-graph-rag 表现出：

• 更高的图密度： 在所有场景下构建的图密度更高，每个实体的关系数最高可达 \(2.4\times\)。
• 改进的查询能力： 每个关系的唯一边标签计数更低（0.46 到 0.58，若使用受控词汇表则为 0.11，而 LightRAG 为 0.77 到 1.33）。
• 竞争性的延迟： 在保持较低延迟配置的同时，提供可比的查询响应。
• 时序演变： 在一个新颖的序列和十年的备案文件中，分别成功覆盖了 13 个和 8 个关系（而基准引擎记录为零）。

Performance & Engineering Measurements

When evaluated against LightRAG across three distinct corpora using identical extraction and embedding models, post-graph-rag demonstrated:

• Higher Graph Density: Builds denser graphs everywhere, achieving up to \(2.4\times\) the relations per entity.
• Improved Queryability: Features lower distinct edge label counts per relation (0.46 to 0.58, or 0.11 with a controlled vocabulary, compared to LightRAG's 0.77 to 1.33).
• Competitive Latency: Answers queries comparably while maintaining lower latency profiles.
• Temporal Evolution: Successfully superseded 13 and 8 relationships respectively on a novel sequence and a decade of filings (whereas the baseline baseline engine recorded zero).

(注：这些数据代表工程测量结果，而非正式的基准测试声明。)

(Note: These figures represent engineering measurements rather than formal benchmark claims.)