OSU-NLP-Group/HippoRAG

¿Qué es?

Funciones clave

• 01Crea un grafo de conocimiento a partir de documentos y recupera información con Personalized PageRank.
• 02Es compatible con OpenAI, Azure OpenAI, Bedrock y endpoints compatibles con OpenAI, como vLLM.
• 03Ejecuta modelos locales de embeddings y LLM a través de Transformers o vLLM.
• 04Almacena vectores en archivos Parquet locales o en Qdrant, ChromaDB o Milvus.
• 05Ofrece un servidor MCP con las herramientas retrieve, rag_qa, index y delete.
• 06Incluye un plugin para Claude Code y scripts para reproducir los experimentos de los artículos.

Casos de uso

• Responder preguntas sobre una colección de documentos cuando es necesario relacionar hechos de varios pasajes.
• Proporcionar a un agente de programación o chat con IA una memoria persistente y actualizada progresivamente sobre un conjunto de documentos a través de MCP.
• Ejecutar un pipeline RAG con modelos abiertos autoalojados mediante vLLM y mantener los datos en local.
• Reproducir o ampliar experimentos de recuperación multi-hop de los artículos sobre HippoRAG.

Inicio rápido

1. 1

   Crea un entorno Python 3.10 con Conda

   conda create -n hipporag python=3.10
2. 2

   Activa el entorno

   conda activate hipporag
3. 3

   Instala HippoRAG desde PyPI

   pip install hipporag
4. 4

   Configura tu clave de API de OpenAI y ejecuta el ejemplo mínimo del README

   export OPENAI_API_KEY=<your OpenAI API key>

Antes de usarlo

• !El uso de modelos locales requiere recursos de GPU considerables, como un servicio vLLM con varias GPU para modelos grandes.
• !Para actualizar a la versión 2.0.0a5 los índices creados con los valores predeterminados de desarrollo anteriores, es necesario volver a indexarlos.

Temas

Preguntas frecuentes

¿Qué es HippoRAG?

Un framework RAG para LLMs que crea un grafo de conocimiento a partir de documentos y usa Personalized PageRank para la recuperación multi-hop y la memoria a largo plazo. HippoRAG es un framework de memoria para LLMs inspirado en la estructura asociativa de la memoria humana a largo plazo. Extrae entidades y hechos de los documentos y los incorpora a un grafo de conocimiento; luego usa Personalized PageRank sobre ese grafo para recuperar pasajes relacionados con una consulta, lo que ayuda a responder preguntas que requieren combinar información de varios documentos.

¿HippoRAG es gratuito? ¿Qué licencia tiene?

HippoRAG es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿HippoRAG sigue mantenido?

Mantenimiento activo. El último commit de HippoRAG fue el 6 oct 2026.

¿Para qué puedo usar HippoRAG?

Responder preguntas sobre una colección de documentos cuando es necesario relacionar hechos de varios pasajes. Proporcionar a un agente de programación o chat con IA una memoria persistente y actualizada progresivamente sobre un conjunto de documentos a través de MCP. Ejecutar un pipeline RAG con modelos abiertos autoalojados mediante vLLM y mantener los datos en local. Reproducir o ampliar experimentos de recuperación multi-hop de los artículos sobre HippoRAG.

¿Cómo se instala HippoRAG?

Crea un entorno Python 3.10 con Conda: conda create -n hipporag python=3.10 Activa el entorno: conda activate hipporag Instala HippoRAG desde PyPI: pip install hipporag Configura tu clave de API de OpenAI y ejecuta el ejemplo mínimo del README: export OPENAI_API_KEY=<your OpenAI API key>

¿Dónde consigo HippoRAG?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/OSU-NLP-Group/HippoRAG