■ 概要（1行） 非構造化テキストから LLM で自動抽出した知識グラフを RAG のメモリ構造として活用し、LLM の推論精度を向上させるデータパイプライン。 ■ 特徴・用途（2〜3行） - エンティティ・関係抽出、コミュニティ検出などの構造化処理を LLM が自動実行し、従来の NER・関係抽出パイプラインの手作業を削減 - グラフ構造により階層的なコンテキスト検索が可能になり、従来の密ベクトル検索より長い文脈や複雑な推論に強い - プライベートドキュメント、社内マニュアル、レポート等の大規模テキスト集約に適用でき、Generic な RAG より精度向上が期待できる ■ 結論（1行） 汎用性・精度が高い一方で LLM API コストが重く、小規模導入には不向きなため、スケール感を見極めた上での導入判断が重要。