---
GA: UA-34467841-15
---

# 讓記憶「成群結隊」：利用 GraphRAG 建立客製化銀行 AI 客服 - 劉岦崱 (Nils)

###### tags: `HelloWorld2025` `HWDC2025` `2025` `607+608 會議室` `AI 與系統架構設計`

<blockquote>
傳統 RAG 依賴向量檢索，一旦對話跨越多主題或時間跨度，記憶裂縫難以避免。GraphRAG 透過 Neo4j 或 AWS Neptune 將實體、事件、情緒寫成有向圖，檢索時可根據語意距離與圖拓撲同時過濾資訊。本議程以客戶諮詢為例，演示如何用子圖檢索維持上下文一致性，並對比向量檢索在核心度量（關聯度、人稱一致、背景衝突）上的差異，提供選型與落地參考。

大綱

1. 傳統 RAG 弱點

長對話碎片化高維空間距離扭曲

2. GraphRAG 設計要素

節點類型：人、事、時、地、情緒邊類型與權重

3. 資料注入管線

ETL → KG → Index

4. 子圖檢索

圖拓撲 + 向量混合查詢新聞級／長篇對話示例

5. Demo：對比場景

向量檢索 vs. GraphRAG 返回內容

6. 維運與擴充

異動同步、版本控制

7. 選型建議與落地挑戰

聽眾收穫：

迅速理解傳統向量檢索的侷限與 GraphRAG 的核心優勢。

看到真實對話 Demo，直接比較兩種 RAG 的輸出差異。

學會圖資料增量同步與索引優化的關鍵技巧。

獲得選型與落地評估清單，幫助團隊判斷何時導入 GraphRAG。
</blockquote>

{%hackmd @HWDC/announcement-2025 %}

## 會議資訊

**時間：** 15:25 ~ 15:55
**地點：** 607+608 會議室
**日期：** 2025年10月14日
**語言：** 中文
**難度：** 中階

**相關連結：**
- [Hello World Dev Conference 2025 官方網站](https://hwdc.ithome.com.tw/2025) [target=_blank]
- [Hello World 2025 議程表](https://hwdc.ithome.com.tw/2025/agenda) [target=_blank]

## 筆記區

> 請從這裡開始記錄你的筆記
### HyperGraph優點
- 輕量化，增加點的時候，增加的邊比較少

### 實驗性想法
- 藉由GraphRAG紀錄的知識，將對的理專，推薦給對的客戶

## 討論區

> 歡迎在此進行討論與 Q&A

## 相關資源

- 投影片連結：(待講者提供)
- 相關文件：(待更新)
- github repo: https://github.com/wulingteen/graphragAI