提取实体非常慢，有什么配置可以改进一下吗

[whynot3333]

使用的是16核16GB CPU，提取实体还是非常慢，可以通过哪些配置让他快一点？

[1517005260]

可以试着调高并发，不过微软这套graphrag的提取方法本身就非常慢，涉及llm生成实体描述/社区等步骤。追求快速的话可以看看最近的HippoRAG/LinearRAG等前沿工作

[whynot3333]

可以试着调高并发，不过微软这套graphrag的提取方法本身就非常慢，涉及llm生成实体描述/社区等步骤。追求快速的话可以看看最近的HippoRAG/LinearRAG等前沿工作

.env配置里有哪些配置项能大幅影响抽取实体的速度呢

[1517005260]

• CHUNK_SIZE / CHUNK_OVERLAP / MAX_TEXT_LENGTH：决定分块数量与大小，块越多 LLM 调用越多；增大 CHUNK_SIZE、减小
  CHUNK_OVERLAP 通常会显著提速。MAX_TEXT_LENGTH 影响超长文本的预分割，过小会产生更多段落进而增加分块。graphrag_agent/
  config/settings.py:98 graphrag_agent/config/settings.py:100 graphrag_agent/pipelines/ingestion/text_chunker.py:10
  graphrag_agent/pipelines/ingestion/text_chunker.py:22
• MAX_WORKERS：实体抽取时的线程并发度，提升可并行调用 LLM 的数量（但会受模型速率限制）。graphrag_agent/config/
  settings.py:130 graphrag_agent/graph/extraction/entity_extractor.py:69 graphrag_agent/integrations/build/
  build_graph.py:102
• LLM 批处理大小（EntityRelationExtractor.batch_size）：当 total_chunks > 100 时走批处理，并用 self.batch_size 动态决
  定每批多少块；加大批大小可减少 LLM 调用次数，但过大可能导致解析失败或质量下降。注意：这里在 build_graph.py 中被硬编
  码为 5，不受 BATCH_SIZE 环境变量影响。graphrag_agent/integrations/build/build_graph.py:101 graphrag_agent/
  integrations/build/build_graph.py:248 graphrag_agent/graph/extraction/entity_extractor.py:70 graphrag_agent/graph/
  extraction/entity_extractor.py:235
• 抽取缓存：EntityRelationExtractor.enable_cache + cache_dir，命中缓存会直接跳过 LLM 调用，重复构建时提速非常明显。
  graphrag_agent/graph/extraction/entity_extractor.py:61 graphrag_agent/graph/extraction/entity_extractor.py:109
  graphrag_agent/graph/extraction/entity_extractor.py:132 graphrag_agent/integrations/build/build_graph.py:281
• LLM 模型与输出长度：OPENAI_LLM_MODEL 和 MAX_TOKENS，模型越小/更快、输出上限越低，单次抽取越快。graphrag_agent/
  config/settings.py:218 graphrag_agent/config/settings.py:223
• 抽取批量: EntityRelationExtractor(batch_size=...)。graphrag_agent/config/settings.py:135 graphrag_agent/integrations/build/
  build_graph.py:101