> Discover all available pages from the documentation index: https://mastra.zisheng.pro/fr/llms.txt

# GraphRAG

La classe `GraphRAG` met en œuvre une approche de la génération augmentée par récupération fondée sur un graphe. Elle crée un graphe de connaissances à partir de segments de documents, dans lequel les nœuds représentent les documents et les arêtes leurs relations sémantiques. Elle permet ainsi à la fois la recherche directe de similarités et la découverte de contenus associés par parcours du graphe.

## Utilisation de base

```typescript
import { GraphRAG } from '@mastra/rag'

const graphRag = new GraphRAG({
  dimension: 1536,
  threshold: 0.7,
})

// Create the graph from chunks and embeddings
graphRag.createGraph(documentChunks, embeddings)

// Query the graph with embedding
const results = await graphRag.query({
  query: queryEmbedding,
  topK: 10,
  randomWalkSteps: 100,
  restartProb: 0.15,
})
```

## Paramètres du constructeur

**dimension** (`number`): Dimension des vecteurs d'embedding (Default: `1536`)

**threshold** (`number`): Seuil de similarité pour la création des arêtes entre les nœuds (0-1) (Default: `0.7`)

## Méthodes

### `createGraph`

Crée un graphe de connaissances à partir de segments de documents et de leurs embeddings.

```typescript
createGraph(chunks: GraphChunk[], embeddings: GraphEmbedding[]): void
```

#### Paramètres

**chunks** (`GraphChunk[]`): Tableau de segments de documents contenant du texte et des métadonnées

**embeddings** (`GraphEmbedding[]`): Tableau des embeddings correspondant aux segments

### query

Effectue une recherche fondée sur un graphe en combinant la similarité vectorielle et le parcours du graphe.

```typescript
query({
  query,
  topK = 10,
  randomWalkSteps = 100,
  restartProb = 0.15
}: {
  query: number[];
  topK?: number;
  randomWalkSteps?: number;
  restartProb?: number;
}): RankedNode[]
```

#### Paramètres

**query** (`number[]`): Vecteur d'embedding de la requête

**topK** (`number`): Nombre de résultats à renvoyer (Default: `10`)

**randomWalkSteps** (`number`): Nombre d'étapes de la marche aléatoire (Default: `100`)

**restartProb** (`number`): Probabilité de reprendre la marche à partir du nœud de la requête (Default: `0.15`)

#### Valeur renvoyée

Renvoie un tableau d'objets `RankedNode`, dans lequel chaque nœud contient :

**id** (`string`): Identifiant unique du nœud

**content** (`string`): Contenu textuel du segment de document

**metadata** (`Record<string, any>`): Métadonnées supplémentaires associées au segment

**score** (`number`): Score de pertinence combiné issu du parcours du graphe

## Exemple avancé

```typescript
const graphRag = new GraphRAG({
  dimension: 1536,
  threshold: 0.8, // Stricter similarity threshold
})

// Create graph from chunks and embeddings
graphRag.createGraph(documentChunks, embeddings)

// Query with custom parameters
const results = await graphRag.query({
  query: queryEmbedding,
  topK: 5,
  randomWalkSteps: 200,
  restartProb: 0.2,
})
```

## Voir aussi

- [createGraphRAGTool](https://mastra.zisheng.pro/fr/reference/tools/graph-rag-tool)