LlamaIndex Property Graph: 코드 기반 GraphRAG

LlamaIndex는 MS GraphRAG보다 코드 레벨에서 더 세밀한 제어가 가능합니다. CLI 대신 Python 코드로 모든 단계를 커스터마이징할 수 있습니다.

MS GraphRAG가 "자동 운전"이라면, LlamaIndex는 "수동 운전 + 고급 보조 시스템"

---

왜 배우는가?

MS GraphRAG vs LlamaIndex 상세 비교

측면	MS GraphRAG	LlamaIndex Property Graph
인터페이스	CLI + Python API	Python API 네이티브
KG 구축	완전 자동	스키마 정의 가능
검색 방식	Local + Global	Synonym + Vector + Cypher
커뮤니티	Leiden 알고리즘 자동	직접 구현 필요
저장소	Parquet 파일	Neo4j, NebulaGraph, 인메모리
학습 곡선	낮음 (CLI)	중간 (Python)
유연성	보통	높음
문서 지원	텍스트	다양한 포맷 (PDF, HTML 등)
엔티티 스키마	자동 발견	명시적 정의 가능
프로덕션 적합성	PoC~중간	중간~높음

LlamaIndex 선택 시점:

• 기존 Python 코드베이스에 통합해야 할 때
• 커스텀 엔티티/관계 추출 로직이 필요할 때
• 다양한 데이터 소스를 지원해야 할 때
• Neo4j와 직접 연동이 필요할 때
• 검색 전략을 세밀하게 조정해야 할 때

PropertyGraphIndex 아키텍처 상세

---

핵심 개념

핵심 컴포넌트 상세

1. KG Extractors (엔티티/관계 추출기)

추출기	설명	사용 시나리오
SchemaLLMPathExtractor	사전 정의 스키마 기반	도메인 특화, 높은 정밀도
SimpleLLMPathExtractor	스키마 없이 자유 추출	탐색적 분석, PoC
ImplicitPathExtractor	텍스트 청크 간 암시적 관계	문서 구조 활용
DynamicLLMPathExtractor	LLM이 스키마도 자동 결정	MS GraphRAG 유사 동작

2. Retrievers (검색기)

검색기	동작 방식	장점
LLMSynonymRetriever	LLM이 동의어 생성 → 엔티티 매칭	표현 변형에 강건
VectorContextRetriever	임베딩 유사도로 엔티티 검색	의미적 유사성 활용
TextToCypherRetriever	자연어 → Cypher 변환	정확한 구조적 질의
CypherTemplateRetriever	미리 정의한 Cypher 템플릿	안정적, 예측 가능

3. Neo4j와의 연동

설치