用于混合知识图谱的架构无关图推理代理

GRA是一个基于工具调用的大型语言模型代理，利用七种通用工具探索混合知识图谱（节点为文本概念或关系表），在工业基准UFK-M上，其准确率达88.4%，比全上下文代理高5.1个百分点，同时输入令牌减少三分之二以上。

传统方法将全部上下文输入模型，成本高且效果有限。GRA通过选择性导航结构化数据，用更少的输入获得更好结果，为知识图谱问答提供新范式，可能降低推理成本并提升效率。

知识图谱与代码文件在操作接口上相似，如列出邻居、读取节点、搜索描述，GRA利用这种对应用通用工具运行时发现领域特定信息，避免预先定义模式，从而在减少输入的同时提高准确性。

采用GRA可降低推理成本（减少输入令牌），提升问答准确率，尤其适用于知识图谱密集型应用，如企业数据分析、智能检索，需集成工具调用能力且依赖可靠的模型驱动。

• 在知识图谱问答产品中集成GRA，降低API成本并提升响应质量
• 开发面向工业知识库的智能分析助手，利用GRA处理复杂查询
• 将GRA模式应用于企业数据中台，实现自动化数据探索与报告生成

• GRA在除UFK-M外的其他知识图谱基准上的表现未验证
• GRA对大型知识图谱的可扩展性及性能未提及
• 工具调用失败或模型能力不足时的失败模式未讨论