JavaGuide「AI 应用开发」专题目录（GraphRAG 所在目录）

来源站点：https://javaguide.cn/ai/
源码仓库：https://github.com/Snailclimb/JavaGuide/tree/main/docs/ai
整理日期：2026-09-07
本站镜像：全部 33 篇文章及 6 个分组首页均可在左侧导航中直接阅读，图片已本地化。

GraphRAG 这篇文章位于 /ai/rag/ 目录下，所属专题是「AI 应用开发」。该专题共 6 个分组、33 篇文章，侧边栏顺序如下。

一、目录树

/ai/  AI 应用开发（专题首页）
├── 入门总览
│   └── ⭐️ AI 核心概念总览 ................ /ai/ai-core-concepts.html
├── 面试题  /ai/interview-questions/
│   ├── ⭐️ AI 应用开发面试指南 ............. ai-interview-guide.html
│   ├── 大模型基础面试题总结 ............... llm-interview-questions.html
│   ├── AI Agent 面试题总结 ................ agent-interview-questions.html
│   ├── Agent 项目面试实战 ................. agent-project-interview-guide.html
│   ├── RAG 面试题总结 ..................... rag-interview-questions.html
│   └── AI 系统设计面试题总结 .............. ai-system-design-interview-questions.html
├── 大模型基础  /ai/llm-basis/
│   ├── 万字拆解 LLM 运行机制 .............. llm-operation-mechanism.html
│   ├── 大模型 API 调用工程实践 ............ llm-api-engineering.html
│   ├── 大模型结构化输出详解 ............... structured-output-function-calling.html
│   └── AI 应用评测体系 .................... llm-evaluation.html
├── AI Agent  /ai/agent/
│   ├── ⭐️ AI Agent 核心概念详解 ........... agent-basis.html
│   ├── ⭐️ AI Agent 记忆系统详解 ........... agent-memory.html
│   ├── 多 Agent 协作系统设计 .............. multi-agent.html
│   ├── 提示词工程实战指南 ................. prompt-engineering.html
│   ├── 上下文工程实战指南 ................. context-engineering.html
│   ├── 万字详解 Agent Skills .............. skills.html
│   ├── 万字拆解 MCP 协议 .................. mcp.html
│   ├── Harness Engineering 详解 ........... harness-engineering.html
│   ├── AI 工作流详解 ...................... workflow-graph-loop.html
│   └── Loop Engineering 详解 .............. loop-engineering.html
├── RAG  /ai/rag/                          ← GraphRAG 所在目录
│   ├── ⭐️ RAG 基础概念详解 ................ rag-basis.html
│   ├── RAG 文档处理与切分策略 ............. rag-document-processing.html
│   ├── ⭐️ RAG 向量索引算法和向量数据库 .... rag-vector-store.html
│   ├── RAG 知识库文档更新策略 ............. rag-knowledge-update.html
│   ├── GraphRAG 详解  .......... graphrag.html
│   └── RAG 检索优化 ....................... rag-optimization.html
└── AI 系统设计  /ai/system-design/
    ├── AI 应用系统设计 .................... ai-application-architecture.html
    ├── LLM/Agent 安全实战 ................. llm-security.html
    ├── 大模型网关详解 ..................... llm-gateway.html
    ├── AI 可观测性与 Trace ................ ai-observability.html
    └── AI 语音技术详解 .................... ai-voice.html

二、分组之间的关系

flowchart TD
    A[入门总览<br/>AI 核心概念总览] -->|串联全部 32 篇| B[大模型基础]
    A --> C[AI Agent]
    A --> D[RAG]
    A --> E[AI 系统设计]
    B -->|模型调用 / 结构化输出是 Agent 的基础| C
    B -->|评测体系被 RAG 复用| D
    C -->|Memory / Context 与检索结合| D
    B & C & D -->|落地到生产架构| E
    F[面试题] -.复习层：每篇对应一个知识分组.-> B
    F -.-> C
    F -.-> D
    F -.-> E

三层结构

层次	分组	作用
入口层	入门总览	只有 1 篇《AI 核心概念总览》，按“大模型基础、Agent、RAG、系统设计”四条主线把其余 32 篇全部串起来，是整个专题的地图。
知识层	大模型基础 → AI Agent → RAG → AI 系统设计	递进关系：先懂模型调用，再做 Agent，再补知识库检索（RAG），最后把所有模块放进生产架构。
复习层	面试题	与知识层一一对应：大模型基础面试题 ↔ 大模型基础；Agent 面试题 ↔ AI Agent；RAG 面试题 ↔ RAG；系统设计面试题 ↔ AI 系统设计。《AI 应用开发面试指南》是面试题总入口，《Agent 项目面试实战》横跨 Agent、RAG、系统设计三块。

专题首页给出的建议阅读顺序（来自 /ai/ README）

AI 核心概念总览
AI 应用开发面试指南
LLM 运行机制、大模型 API 调用工程实践
AI Agent 核心概念、提示词工程、上下文工程
多 Agent 协作系统设计
RAG 基础概念、RAG 文档处理与切分策略、RAG 检索优化
AI 应用系统设计、LLM/Agent 安全实战、大模型网关详解、AI 应用评测体系

三、各分组明细（含链接与站内关联）

链接说明：「在线」为 javaguide.cn 页面，「源码」为 GitHub 上的 Markdown 原文。「关联」列是该文正文中链接到的本专题其他文章。

1. 入门总览

文章	简介	在线	源码	关联
AI 核心概念总览	按四条主线汇总 Token、Function Calling、Agent Loop、MCP、Skills、Embedding、Rerank、GraphRAG 等概念	在线	源码	链接到其余全部 32 篇

2. 面试题（/ai/interview-questions/）

文章	简介	在线	源码	关联
AI 应用开发面试指南	面试题总入口，汇总大模型、Agent、RAG、MCP、Prompt、系统设计高频考点	在线	源码	其余 5 篇面试题；4 个知识分组首页
大模型基础面试题总结	Token、上下文窗口、采样参数、API 调用、流式输出、结构化输出、Function Calling、评测	在线	源码	大模型基础全部 4 篇
AI Agent 面试题总结	Agent 核心概念、Loop、Memory、Prompt/Context、MCP、Skills、Harness、Workflow	在线	源码	AI Agent 分组 9 篇；Agent 项目面试实战
Agent 项目面试实战	如何把 Agent 项目讲成完整面试回答：架构、选型、工具治理、评测、Badcase 复盘	在线	源码	agent-memory、context-engineering、mcp、multi-agent、workflow-graph-loop、llm-evaluation、structured-output、ai-observability、llm-gateway、llm-security
RAG 面试题总结	RAG 基础、Embedding、向量库、Chunk、Hybrid Search、Query Rewrite、Rerank、GraphRAG、知识库更新、评测	在线	源码	RAG 分组全部 6 篇（含 GraphRAG）；llm-evaluation
AI 系统设计面试题总结	生产级架构、模型网关、Prompt 管理、RAG、Memory、Tool、可观测、评测、安全、实时语音	在线	源码	系统设计分组 4 篇；multi-agent；llm-api-engineering、llm-evaluation、structured-output

3. 大模型基础（/ai/llm-basis/）

文章	简介	在线	源码	关联
万字拆解 LLM 运行机制	Token、上下文窗口、Temperature/Top-p/Top-k、Token 预算的工程影响	在线	源码	被 api-engineering、evaluation、prompt-engineering 引用
大模型 API 调用工程实践	请求、Prompt 组装、网关、流式、重试限流、结构化返回、观测、Java 落地	在线	源码	llm-operation-mechanism；prompt-engineering
大模型结构化输出详解	Structured Outputs、JSON Schema、Function Calling、MCP、Java 工具调用	在线	源码	llm-security
AI 应用评测体系	评测任务、Golden Set、规则评测、LLM-as-Judge、RAG/Agent 评测闭环	在线	源码	本分组另 3 篇；被 RAG/Agent/系统设计多篇引用

4. AI Agent（/ai/agent/）

文章	简介	在线	源码	关联
AI Agent 核心概念详解	Agent 演进、与传统编程/Workflow 的区别、Agent Loop	在线	源码	multi-agent
AI Agent 记忆系统详解	记忆层级与表征、短/长期记忆读写、向量 vs Markdown、轻量落地	在线	源码	context-engineering
多 Agent 协作系统设计	多 Agent 与 Prompt Chain 区别、编排、通信、状态、冲突、恢复、评测	在线	源码	agent-basis；llm-evaluation；站外：分布式事务
提示词工程实战指南	四要素框架、六大技巧、Prompt 注入防护	在线	源码	context-engineering；llm-operation-mechanism；llm-security
上下文工程实战指南	静态规则编排、动态挂载、Token 预算降级、按需加载、长任务持久化	在线	源码	被 agent-memory、prompt-engineering 引用
万字详解 Agent Skills	Skills 与 Prompt/Function Calling/MCP 的边界、SKILL.md 写法、渐进式披露	在线	源码	被 llm-security 引用
万字拆解 MCP 协议	MCP 核心概念、四层架构、JSON-RPC 2.0、生产级 MCP Server	在线	源码	llm-security
Harness Engineering 详解	Agent = Model + Harness，六层架构、上下文、工具、验证、恢复	在线	源码	—
AI 工作流详解	Workflow / Graph / Loop 概念，Spring AI Alibaba Graph 实现	在线	源码	—
Loop Engineering 详解	代码 Agent 外层循环：触发、上下文、验证、状态、停止条件	在线	源码	—

5. RAG（/ai/rag/）← GraphRAG 所在目录

RAG 子目录首页给出的阅读顺序：基础概念 → 文档处理 → 向量数据库 → 检索优化 → GraphRAG / 知识库更新。GraphRAG 与知识库更新是本目录的进阶篇。

序	文章	简介	在线	源码	关联
1	RAG 基础概念详解	RAG 原理、Embedding、相似度、与搜索/微调/长上下文的对比	在线	源码	rag-document-processing、rag-vector-store、rag-optimization
2	RAG 文档处理与切分策略	解析、清洗、结构化、Chunking、语义丢失、多模态	在线	源码	被 rag-basis 引用
3	RAG 向量索引算法和向量数据库	HNSW、IVFFLAT、ANN、pgvector 实践与选型	在线	源码	rag-basis
4	RAG 检索优化	Chunk、Metadata、Hybrid Search、Query Rewrite、Rerank、上下文压缩	在线	源码	被 rag-basis 引用
5	GraphRAG 详解（站内阅读）	知识图谱、实体、关系、社区发现、全局/局部检索，与向量 RAG 的差异和成本	在线	源码	被 ai-core-concepts、rag-interview-questions、ai-application-architecture 引用
6	RAG 知识库文档更新策略	Embedding 一致性、元数据、增量 vs 全量、灰度发布与回滚	在线	源码	—

6. AI 系统设计（/ai/system-design/）

文章	简介	在线	源码	关联
AI 应用系统设计	生产级架构：Prompt 管理、网关、RAG、Memory、Tool、异步、可观测、评测、安全	在线	源码	汇总引用大模型基础 4 篇、Agent 4 篇、RAG 5 篇（含 GraphRAG）、本分组 3 篇、面试题 4 篇
LLM/Agent 安全实战	直接/间接 Prompt Injection、工具权限、MCP 授权、敏感数据、沙箱、供应链	在线	源码	mcp、prompt-engineering、skills、llm-evaluation、structured-output、ai-application-architecture
大模型网关详解	模型路由、Fallback、限流配额、Token 预算、成本、审计、缓存、选型	在线	源码	被 ai-application-architecture、agent-project-interview-guide 引用
AI 可观测性与 Trace	Trace 设计、Span 拆分、上下文传播、采样、敏感数据、Spring AI 落地	在线	源码	llm-evaluation
AI 语音技术详解	采集、VAD、ASR、LLM、TTS、流式播放、打断、低延迟、端云选型	在线	源码	被 ai-application-architecture 引用

四、GraphRAG 在目录中的位置

flowchart LR
    subgraph RAG 目录
        R1[RAG 基础概念] --> R2[文档处理与切分] --> R3[向量索引与向量库] --> R4[检索优化] --> G[GraphRAG 详解]
        R4 --> R6[知识库更新策略]
    end
    C[AI 核心概念总览] -->|概念索引| G
    Q[RAG 面试题总结] -->|考点复习| G
    S[AI 应用系统设计] -->|架构落地| G

所属路径：/ai/rag/graphrag.html，RAG 分组第 5 篇，属于进阶内容。
前置阅读：RAG 基础概念、RAG 向量索引算法和向量数据库（GraphRAG 是对纯向量检索的补充，先懂向量 RAG 的局限）。
同级并列：RAG 知识库文档更新策略（RAG 目录首页把两者一起列为第 5 步）。
谁引用了它：AI 核心概念总览、RAG 面试题总结、AI 应用系统设计。
文末附带内容：原文末尾通过站点 include 引入了一段 RAG 实战项目推广片段（4 张图），本地副本已内联并标注。