GraphRAG進化,效率翻倍!
circlemind-ai?組織開發(fā)了一個名為fast-graphrag的開源項目。這個項目的目標是提供一個高效、可解釋且精度高的快速圖檢索增強生成(Fast GraphRAG)框架。該框架專門為Agent驅動的檢索工作流程設計,能夠輕松融入檢索管道中,提供先進的RAG功能,同時避免了構建和設計Agent工作流程的繁瑣復雜性。
項目的宗旨是增加全球成功的通用人工智能(GenAI)應用數(shù)量。為實現(xiàn)這一目標,他們開發(fā)了記憶和數(shù)據工具,使LLM應用能夠利用高度專業(yè)化的檢索管道,而無需費心設置和維護復雜的Agent工作流程。
該項目的主要特點和信息如下:
核心特性
- 知識的可解釋性和可調試性:利用圖形提供人類可瀏覽的知識視圖,支持查詢、可視化和更新。
- 高效、低成本、快速:針對大規(guī)模運行而設計,無需昂貴的資源投入。
- 數(shù)據動態(tài)性:自動生成和優(yōu)化圖形,以最佳方式適應特定領域和本體需求。
- 實時更新:支持數(shù)據變化的即時更新。
- 智能探索能力:采用基于PageRank的圖形探索,提升準確性和可靠性。
- 異步和類型化設計:完全異步,并提供完整的類型支持,確保工作流程的穩(wěn)健性和可預測性。
安裝指南和快速上手
- 安裝方式:可通過PyPi安裝(推薦)或從源代碼安裝。
PyPi安裝方法:
pip install fast-graphrag
- 源代碼安裝方法:
git clone https://github.com/circlemind-ai/fast-graphrag.git
cd fast-graphrag
poetry install
- 快速入門:
- 設置OpenAI API密鑰:
export OPENAI_API_KEY="sk-..."
- 獲取《圣誕頌歌》文本:
curl https://raw.githubusercontent.com/circlemind-ai/fast-graphrag/refs/heads/main/mock_data.txt > ./book.txt
- Python代碼示例:
from fast_graphrag import GraphRAG
DOMAIN = "分析這個故事并識別其中的角色。重點關注他們之間的互動、探索的地點以及彼此的關系。"
EXAMPLE_QUERIES = [
"圣誕前夜在《圣誕頌歌》中有何重要意義?",
"維多利亞時代的倫敦背景如何影響故事主題?",
"描述導致斯克魯奇性格轉變的一系列事件。",
"狄更斯如何運用不同的幽靈(過去、現(xiàn)在和未來)來引導斯克魯奇?",
"為什么狄更斯選擇將故事分為'樂章'而非章節(jié)?"
]
ENTITY_TYPES = ["人物", "動物", "地點", "物品", "活動", "事件"]
grag = GraphRAG(
working_dir="./book_example",
domain=DOMAIN,
example_queries="\n".join(EXAMPLE_QUERIES),
entity_types=ENTITY_TYPES
)
with open("./book.txt") as f:
grag.insert(f.read())
print(grag.query("斯克魯奇是誰?").response)
開源與托管服務
這個項目采用MIT許可證發(fā)布,允許自由使用和修改。對于那些希望快速可靠地開始使用Fast GraphRAG的用戶,項目還提供了托管服務選項。這項服務每月為用戶提供前100個免費請求,之后則按實際使用量收費。
項目地址:https://github.com/circlemind-ai/fast-graphrag
贊
收藏
回復
分享
微博
QQ
微信
舉報

回復
相關推薦