Landkarte · LLM Basics
Diese Seite erklärt nur die LLM-Grundlagen, die für GraphRAG-Architekturen relevant sind: Kontextfenster, Tokens, Halluzination, Grounding, Tool Use und Antworten auf Graphkontext.
Kein allgemeiner LLM-Kurs. Nur das, was für GraphRAG-Entscheidungen zählt.
GraphRAG ist eine Pipeline aus Graphkontext und Sprachmodell. Das LLM entscheidet, wie der vorbereitete Kontext in eine Antwort übersetzt wird. Deshalb muss man die Grenzen des Modells verstehen: Es kennt nur den gelieferten Kontext, formuliert wahrscheinlichkeitsbasiert und braucht klare Belege, wenn Antworten belastbar sein sollen.
GraphRAG Pipeline
Das LLM sucht nicht frei: Die Pipeline bereitet Kontext vor, das Modell formuliert daraus eine Antwort. Wähle einen Begriff – die betroffene Stufe im Fluss leuchtet auf.
Wirkt auf: LLM · Kontextfenster
Das LLM sieht nur den Kontext, der in die Anfrage passt. GraphRAG muss deshalb relevante Pfade, Quellen und Claims auswählen, nicht den ganzen Graph übergeben.
Gutes GraphRAG ist Kontextselektion, nicht Kontextmaximierung.
Das Modell fasst Graphkontext korrekt klingend zusammen, aber vermischt alte und neue Zustände.
Es behandelt extrahierte Beziehungen als geprüfte Fachwahrheit.
Es ignoriert fehlende Quellen und formuliert trotzdem sicher.
Es bekommt zu viele Knoten und verliert die eigentliche Frage.