现代图神经网络（GNNs）通过多层局部聚合学习节点嵌入，并在同配图的应用中取得了巨大成功。然而，异配图上的任务通常需要非局部聚合。此外，我们发现对于某些异配图而言，局部聚合甚至是有害的。在这项工作中，我们提出了一种简单而有效的非局部聚合框架，该框架结合了高效的注意力引导排序机制。基于此框架，我们开发了多种非局部GNN模型。我们进行了详尽的实验，分析了异配图数据集并评估了我们的非局部GNN模型。实验结果表明，我们的非局部GNN模型在七个异配图基准数据集上显著优于现有的最先进方法，无论是在模型性能还是效率方面均表现出色。