n8n 博客：何时用 LLM 知识图谱、何时用向量 RAG

n8n 博客发布指南，对比向量 RAG 与 LLM 知识图谱两种架构的适用场景。向量 RAG 适合答案集中在少数语义相近段落的问题，更易搭建维护；知识图谱显式表示实体与关系，支持跨来源多跳推理，可减少传给 LLM 的无关上下文、节省 token，但创建与维护成本通常更高。