最近折腾知识库问答，遇到过几个处理不好的场景： 多跳推理抓瞎 ：比如问“张三的上级和李四负责的项目有什么合作”，但文档里张三、李四和项目分散在不同段落甚至不同文件里。单纯做向量相似度搜索（ Top-K ），很容易漏掉中间关联的 chunk ，上下文拼不起来。 全局总结回答不了 ：比如问“这批文档里主要讨论了哪几个核心方向？”，向量检索只能抓几个局部碎片，很难给出一个宏观维度的归纳。 微软之前开源的 GraphRAG 确实给了一个挺漂亮的解法，但官方那套强绑定 Python ，环境配置、微服务依赖和数据流对日常写 Node / TS 的同学来说实在有点重。加上平时业务数据库本来就是 PostgreSQL （加了 pgvector ），我就琢磨着能不能直接在 TypeScript 生态下搞一套干净好用的实现。 边写代码边整理了几篇技术博客，把整个技术细节和踩坑过程都记下来了，主要聊了下面这几块东西（长文都在 blog.ashesborn.cloud/category/AI ）： 1. 搞懂 GraphRAG 最核心的“社区（ Community ）”到...