본 논문은 효율성과 효과성을 향상시킨 능률적인 그래프 기반 RAG(Retrieval Augmented Generation) 프레임워크인 E²GraphRAG를 제안합니다. E²GraphRAG는 문서 청크를 기반으로 LLM과 SpaCy를 사용하여 요약 트리와 엔티티 그래프를 구축하고, 엔티티와 청크 간의 다대다 관계를 포착하는 양방향 색인을 생성하여 빠른 조회를 가능하게 합니다. 또한, 그래프 구조를 활용하여 지역 및 전역 모드 간에 검색 및 선택하는 적응형 검색 전략을 설계했습니다. 실험 결과, E²GraphRAG는 GraphRAG보다 최대 10배 빠른 색인 속도와 LightRAG보다 100배 빠른 검색 속도를 달성하면서 경쟁력 있는 QA 성능을 유지하는 것으로 나타났습니다.