GraphRAG進化，效率翻倍！

發布于 2024-11-15 12:46

瀏覽

0收藏

circlemind-ai?組織開發了一個名為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）應用數量。為實現這一目標，他們開發了記憶和數據工具，使LLM應用能夠利用高度專業化的檢索管道，而無需費心設置和維護復雜的Agent工作流程。

GraphRAG進化，效率翻倍！-AI.x社區

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：針對大規模運行而設計，無需昂貴的資源投入。
數據動態性：自動生成和優化圖形，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？"
]

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)