之前发过 graphrag-ts v0.1.8 的增量构建。这次单独开帖，是因为后来把 MCP 服务和本地 web-demo 补完整了，想展示一下从索引到检索的实际流程。 现在可以用 Docker Compose 启动 PostgreSQL/pgvector 和 MCP server ，在本地页面里： 提交 Markdown 目录索引任务并查看构建状态； 选择局部 hybrid retrieval 或全局 Map-Reduce 查询； 展开答案对应的 source excerpts ，检查检索依据。 MCP 侧也有 workspace 隔离和 snapshot 发布：新构建成功后才切换到新 snapshot ，失败时旧版本继续可查。增量构建通过 API 支持，但当前 web-demo 页面没有增量更新按钮。 一些实测和限制： 项目自建 recall set：12 题、5 个章节，10/12 strict hits 、95.8% lexical combined recall ；这是词面评估，不是人工语义评分或跨项目横评。 单文档增量更新用例约 5 分 11 秒；不能据此推导大语料吞吐。 这是本地开发者工具，不是托管服务。需要自己配置可从 Docker 访问的 chat/judge/embedding endpoint 和 PostgreSQL ； embedding 需要 768 维。 项目： https://github.com/sadofriod/graphrag-ts MCP 启动与安全说明： https://github.com/sadofriod/graphrag-ts/blob/main/integrations/mcp/README.md 测试报告： https://github.com/sadofriod/graphrag-ts/blob/main/examples/output/final-benchmark-report.md 如果你会试，最想先看哪种对照：普通 vector RAG vs GraphRAG 、索引 token/API 成本，还是不同规模下的增量更新耗时？我准备把公开 benchmark 的运行协议和失败案例一起记录出来。

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / V2EX
  • 发布时间：2026/10/12 14:55:12