图何时有助于检索智能体？关系状态假设与 Agentic GraphRAG 的系统性图谱

基于摘要分析。本文研究检索智能体与知识图谱结合后的多跳推理收益，能否归因于图结构本身，而非智能体规划或更高计算预算。作者提出关系状态假设，并通过系统性文献映射与评估协议，尝试厘清不同收益来源。 核心假设是：当某一步建立的关系需要在后续步骤中持续保留、演化或被主动遍历时，图相较于智能体式扁平检索才具有独特价值。作者将图纳入智能体的状态—动作空间，强调关系在连续推理步骤中的作用，而不只是将图作为静态检索索引；摘要未提供具体状态表示或形式化细节。 作者报告，在按智能体角色与图操作构成的 4×3 分类网格中，对 89 个智能体图系统进行系统性文献映射，发现现有智能体控制主要集中于图遍历，动态索引和图构建较少。作者进一步指出，其考察的现有实证评估既未检验关系持续性，也未在与扁平检索基线比较时约束相同的调用次数或 token 预算。这是作者对所映射文献的判断，尚不能据此认定所有 GraphRAG 评估均存在这些问题。 论文提出四级评估协议及可证伪预测，以区分图结构、规划与计算投入的贡献；各级协议的具体内容、文献纳入标准、分类一致性及预测的验证结果尚未验证。该工作主要是检索智能体的概念分析与综述，不是 EEG/BCI 方法验证；摘要未给出与神经信号处理的具体机制对应，因此不据此推导 BCI 效果或复现实验建议。