يسأل مهندس: «لماذا توقف القسم B-12 ثلاث مرات العام الماضي؟» يجد RAG القياسي ثلاث وثائق مختلفة — ثلاثة محاضر توقف — وهذا كل ما يستطيع تقديمه. لا يرى أن الحالات الثلاث تتعلق بنفس المضخة، التي سبق إصلاحها مرتين تحت الضمان واستُبدلت مرة خارج الجدول المقرر. الإجابة موجودة في الأرشيف، لكنها موزعة على خمس وثائق، وبلا رابط بينها تبقى مجرد ثلاث حقائق غير مترابطة.
هذا هو سقف الاسترجاع المسطح: يجيب عن سؤال يخص مقطعا، لا أصلا. في اللحظة التي يحتاج فيها السؤال إلى اجتياز سلسلة «معدة ← حادثة ← إصلاح ← حادثة متكررة»، يجب أن يعرف النظام ليس فقط ما تقوله الوثائق، بل أنها تتحدث عن نفس المضخة.
يعالج GraphRAG هذا بإضافة طبقة من الكيانات والعلاقات فوق الفهرس النصي: بدلا من مقاطع متناثرة، يبني النظام رسما بيانيا — أصل ← وثيقة ← حدث ← قرار. أظهر Edge وزملاؤه (Microsoft) في ورقتهم لعام 2024 أن النهج القائم على الرسم البياني باستخدام ملخصات المجتمعات يغلق فئة من الأسئلة يفوّتها top-k retrieval التقليدي — خاصة تلك التي تتطلب نظرة شاملة على الأرشيف كله لا مقطعا واحدا.
بالعودة إلى مضخة القسم B-12: مع الرسم البياني، لم تعد إجابة المهندس قائمة من ثلاثة محاضر بل سلسلة — جواز المعدة، الإصلاح الأول تحت الضمان، الحادثة الأولى، إصلاح خارج الجدول، الحادثة الثانية، الاستبدال. تُرى ليس فقط ماذا حدث، بل لماذا تكرر.
هنا مكمن الدقة: لا يربط الرسم البياني إلا ما يمكن ربطه. إذا كان جواز المعدة وأوامر العمل ومحاضر التوقف يشير كل منها إلى نفس المضخة بشكل مختلف — رقم جرد هنا، اسم غير رسمي متداول في الموقع هناك — فلن يرى الرسم البياني أنها كيان واحد. لذلك فإن الخطوة الأولى نحو GraphRAG ليست اختيار تقنية، بل التحقق مما إذا كان الأرشيف يحمل معرّفا متسقا يبقى ثابتا عبر تغيّر الوثيقة.
في Knovium، لا يحل الرسم البياني محل الاسترجاع بل يكمله: يجد الاسترجاع أولا المقاطع ذات الصلة، ثم يرتبها الرسم البياني حسب الأصل والحدث. لا يزال المهندس يحصل على إجابة نصية، لكن خلفها ليست فقرة واحدة مطابقة، بل سلسلة متتبَّعة يمكن النقر على كل حلقة فيها للوصول إلى وثيقة وصفحة محددتين.