我用 200 行代码做了个 Java 版 GraphRAG，把 plain-RAG 和 graph-RAG 摆到一个终端里 PK

我用 200 行代码做了个 Java 版 GraphRAG，把 plain-RAG 和 graph-RAG 摆到一个终端里 PK

一个周末项目，已开源：github.com/MarcelLeon/graph-rag-harness

起因：受不了 RAG Demo 的"演示腔"

最近调研 GraphRAG，看了一圈开源项目，发现一个共同的尴尬：

• 要么云原生重得离谱：Neo4j Cluster + Kafka + 一堆中间件，本地跑不起来；
• 要么 Notebook 一把梭：Python 脚本跑一遍很漂亮，挪到 Java 业务系统里全是坑；
• 要么演示得太"舒服"：永远只展示 graph-RAG 答得多好，却不肯把 plain-RAG 摆旁边对比。

我想要的东西很朴素：

一个 Java Agent 能直接接的 GraphRAG SPI，本地 Ollama 就能跑，plain-RAG 和 graph-RAG 摆在同一个终端窗口里同问同答，让我自己判断"图"到底有没有用。

找不到，就自己写了一个：graph-rag-harness。

它长什么样

一个命令启动，一个问题，两个答案：

mvn -pl graph-rag-examples spring-boot:run \
  -Dspring-boot.run.arguments="--mode=cli --variant=both"

> 如果 fact_user_activity_daily 明天加载失败，会影响哪些顶层指标？请追溯血缘。

[plain-RAG]
基于上下文，DAU 等指标可能受影响……（一段比较"散文"的回答）

[graph-RAG]
影响链路（DERIVED_FROM / FORMULA_USES / BELONGS_TO）：
fact_user_activity_daily
  ↳ dwd_user_dau
    ↳ dws_active_user_summary
      ↳ KPI: DAU（执行层日报）
      ↳ KPI: 7DAU（增长团队周报）

差别一眼看清：graph 版本走的是显式关系链，不是 prose 总结。

三件让我自己也意外的事

1. L3 多跳问题，graph-RAG 评测真的赢了 +0.5（LLM-as-judge，10 道题里 4 道 L3）。不算碾压，但稳定为正。我把完整评测表挂在 README，自己复现一下不到 5 分钟。
2. 可插拔得比我想象中干净。GraphDatabaseClient 21 个方法，Neo4j 实现 + 内存实现 + Noop 兜底——切后端零感知。
3. 没有任何内网依赖。这点强调一下：刻意排除了 com.kuaishou.* 之类的内部 SDK，clone 下来开箱可跑，不需要 VPN，不需要私服。

它适合谁

• 想把 GraphRAG 接进已有 Java 业务的同学（Spring AI / LangChain4j 都能挂）；
• 在为团队做RAG 选型、需要数据说服老板的同学；
• 想看一份真实 Ollama 评测报告而不是 ChatGPT 截图的同学；
• 单纯对 "graph 到底比 vector 好在哪" 这件事感兴趣的同学。

不适合谁（我也很诚实）

• 想要一键 SOTA 的同学：当前 L3 uplift +0.5，NORTH_STAR 目标是 ≥ +1.0，还在往前推；
• 追求 GPU 大模型方案的同学：默认 7-8B 本地 chat，强调"能跑起来 + 能对比"；
• 不想看 Java 代码的同学：核心是 Java/Maven 工程，Python 用户可能水土不服。

写在最后

开源不是终点，开源只是一次邀请。我想做的事是把 "Java + GraphRAG + 可对比评测" 这条路修平一点，让后面想试的人不用再趟一次坑。

如果你点开 README 觉得还行，给个 Star 是对一个周末项目最大的鼓励 🌟

仓库：https://github.com/MarcelLeon/graph-rag-harness
Demo GIF（25 秒，真实 Ollama）、5 分钟快速跑通、完整评测报告，README 里都有。

---

顺便求个反馈：你在生产里用 GraphRAG 踩过哪些坑？评论区告诉我，下一轮迭代我把高频问题写成 ADR 收进 docs/decisions/。