一位开发者把五种企业级 AI 知识库框架都跑了一遍，结果让追求'更复杂、更高深'的人失望——NeurIPS 2025 上发表的 HyperGraphRAG，花了 7 小时 23 分钟建库，多跳推理（需要多个信息片段组合推理的问题）得分只有 0.171，比 8 分钟建库的 LightRAG（用图+向量的混合检索框架）还低 0.007。

这是什么

AI 知识库是把企业内文档（合同、手册、报表）喂给大模型，让员工能用问答方式检索的系统。今年学界押注更复杂的图结构（GraphRAG、HyperGraphRAG），号称能捕捉多个实体共同参与的复杂关系——超图（hypergraph）就是一条边可以同时连接多个实体的扩展结构，理论上比传统二元关系图表达力更强。

这位开发者的实测用了 124 个技术文档块。结果是：超图的理论优势在企业真实数据上几乎没体现，建库时间反而被拉长 14 倍。值得记的判断——不是越先进越好用。这次建库 31 分钟的 GraphRAG 反而拿到最高多跳分 0.211。

行业怎么看

支持方会说：测试用的是技术文档，多实体共同关系密度低，不足以体现超图优势；建库慢主要是 GLM-4 低并发限制，换 GPT-4o 可能压到 30-60 分钟。

但这条质疑更值得我们关心：企业部署 AI 知识库，建库不是一次性的——文档每次更新都要重跑实体提取流程。443 分钟对比 31 分钟是 14 倍的算力账单和人工等待。更关键的是，复杂方案在密集 markdown 表格上还会撞 token（模型单次能处理的字数）截断而丢信息。

对 IT 负责人的实操结论：选型别追 NeurIPS 新名词，要追性价比。LightRAG（建库 8 分钟、P90 延迟 19 秒）是这次横评里的甜点位，前提是你能接受它 10.5% 的偏低拒答率。

对普通人的影响

对企业 IT：上 AI 知识库前先算两笔账——建库一次的算力成本、每次文档更新的成本。复杂方案对运维和资源的需求是数量级差异，传统行业不必追新。

对个人职场：以后公司推 AI 知识库，遇到'答不上来'未必是 AI 不行，可能是底层用了太复杂的方案、撞了字数限制。知道这点有助于跟 IT 同事有效沟通。

对消费市场：C 端 AI 笔记、AI 助手产品正在爆发，但多数用的是向量检索（这次横评里建库最快的那类），与企业级复杂方案仍有能力差距，ToB 市场仍有空间。