# 𝗬𝗼𝘂 𝗰𝗮𝗻 𝗱𝗼 𝗴𝗿𝗮𝗽𝗵 𝘁𝗿𝗮𝘃𝗲𝗿𝘀𝗮𝗹 𝘄𝗶𝘁𝗵𝗼𝘂𝘁 𝗮 𝗴𝗿𝗮𝗽𝗵 𝗱𝗮𝘁𝗮𝗯𝗮𝘀𝗲. Here...

Canonical URL: https://www.traeai.com/articles/6cb4d00a-322c-4339-80f2-ce53848ab531
Original source: https://x.com/milvusio/status/2049874919710720152
Source name: Milvus(@milvusio)
Content type: tweet
Language: 中文
Score: 7.5
Reading time: 1 分钟
Published: 2026-04-30T15:34:00+00:00
Tags: Milvus, 知识图谱, 图遍历, 向量数据库, 机器学习

## Summary

Milvus 提出了一种无需图数据库即可进行图遍历的方法，通过向量图 RAG，将知识图谱三元组嵌入 Milvus 向量数据库中，实现高效查询与子图扩展，适用于多跳推理任务。

## Key Takeaways

- 向量图 RAG 跳过了传统图数据库，直接在 Milvus 中存储和查询实体及关系的向量表示。
- 查询过程涉及从问题中提取实体、向量搜索匹配、子图扩展以及 LLM 重排序，以生成答案。
- 该方法在 MuSiQue、HotpotQA 和 2WikiMultiHopQA 基准测试上平均 Recall@5 达到 87.8%，并提供 MIT 开源许可。

## Outline

- 引言 — 介绍传统知识图谱处理方式与新方法对比
  - 向量图 RAG 方法 — 阐述如何将三元组转换为向量并在 Milvus 中存储
    - 查询流程 — 详细说明从提问到生成答案的具体步骤
    - 性能表现 — 展示在多跳推理基准测试上的效果
  - 开源实现 — 提及安装使用方法及开源许可状态

## Highlights

- > Vector Graph RAG skips the graph database entirely. — 正文
- > 87.8% avg Recall@5 on standard multi-hop benchmarks. — 正文
- > pip install vector-graph-rag — runs locally with Milvus Lite. — 正文

## Citation Guidance

When citing this item, prefer the canonical traeai article URL for the AI-readable summary and include the original source URL when discussing the underlying source material.