UniAI-GraphRAG：协同本体引导提取、多维聚类与双通道融合以实现鲁棒的多跳推理

检索增强生成（RAG）系统在复杂推理、多跳查询及领域特定问答中面临严峻挑战。现有 GraphRAG 框架虽在结构化知识组织上有所进展，但在跨行业适应性、社区报告完整性及检索性能方面仍存在局限。本文提出 UniAI-GraphRAG，一种基于开源 GraphRAG 的增强框架。该框架引入三项核心创新：本体引导的知识提取、多维社区聚类策略以及双通道图检索融合机制。在 MultiHopRAG 基准上的评估结果表明，该系统在综合 F1 分数上优于主流开源方案，尤其在推理与时序查询任务中表现卓越。