MemGraphRAG：面向图检索增强生成的基于记忆的多智能体系统

检索增强生成（RAG）虽能缓解大模型幻觉，但在处理大规模非结构化语料时面临信息碎片化挑战。现有图 RAG 方法因缺乏全局视角，常导致图谱逻辑冲突与结构断裂。本文提出 MemGraphRAG，一种基于记忆的多智能体框架。该系统通过共享记忆为协作智能体提供统一全局上下文，动态解决逻辑冲突并维持结构连通性，同时提出记忆感知的分层检索算法。实验表明，该方法在多个基准测试中优于现有最先进模型，且效率相当。