{"id":"post:knowledge-graph-rag","type":"post","title":"Граф знаний в RAG: зачем он нужен и почему в нём нет чанков","url":"/posts/knowledge-graph-rag","md":"/posts/knowledge-graph-rag.md","summary":"Типизированная онтология и детерминированный каталог сделали граф знаний меньше и чище: связи по схеме — с 7.5% до 100%, графовая стадия — с таймаута в 5 с до десятков миллисекунд. Почему в графе нет чанков.","llm_summary":"Четвёртая статья цикла «RAG в проде». Граф знаний корпоративного RAG-ассистента (Memgraph рядом с PostgreSQL) перевели со схемы «всё, что нашла LLM» на типизированную онтологию: 64 типа в 19 семействах, проверка связей по семействам, идентичность через корень семейства, детерминированный каталог мастер-данных без LLM, гейт и дедупликация. Соответствие связей онтологии выросло с 7.5% до 100%, граф сократился с 7.4 до 4.7 млн вершин, ложные сущности (62% узлов) исчезли. Замена формы запроса IN $list на UNWIND сняла ~5 с с каждого ответа. В графе нет узлов-чанков: текст, векторы и права живут в PostgreSQL, связь — свойство chunk_id у упоминания. Вклад графа в топ-10 пока не виден; он расширяет пул кандидатов (+2.1 п.п. R@50) и служит картой для агентов.","domains":["ai","architecture"],"tags":["rag","knowledge-graph","memgraph","agents"],"date":"2026-10-25T12:00:00+03:00"}