OSU-NLP-Group/HippoRAG

O que é?

Recursos principais

• 01Cria um grafo de conhecimento a partir de documentos e faz recuperação com Personalized PageRank.
• 02Oferece suporte a OpenAI, Azure OpenAI, Bedrock e endpoints compatíveis com OpenAI, como vLLM.
• 03Executa modelos locais de embeddings e LLMs por meio de Transformers ou vLLM.
• 04Armazena vetores em arquivos Parquet locais ou no Qdrant, ChromaDB ou Milvus.
• 05Disponibiliza um servidor MCP com as ferramentas retrieve, rag_qa, index e delete.
• 06Inclui um plugin para Claude Code e scripts para reproduzir experimentos dos artigos.

Casos de uso

• Responder perguntas sobre uma coleção de documentos quando é preciso relacionar fatos de vários trechos.
• Fornecer a um agente de IA para programação ou chat uma memória persistente e atualizada incrementalmente sobre um conjunto de documentos via MCP.
• Executar um pipeline de RAG com modelos abertos auto-hospedados via vLLM, mantendo os dados localmente.
• Reproduzir ou ampliar experimentos de recuperação multi-hop dos artigos sobre HippoRAG.

Início rápido

1. 1

   Crie um ambiente Python 3.10 com Conda

   conda create -n hipporag python=3.10
2. 2

   Ative o ambiente

   conda activate hipporag
3. 3

   Instale o HippoRAG pelo PyPI

   pip install hipporag
4. 4

   Configure sua chave da API da OpenAI e execute o exemplo mínimo do README

   export OPENAI_API_KEY=<your OpenAI API key>

Antes de usar

• !O uso de modelos locais exige recursos de GPU consideráveis, como um serviço vLLM com várias GPUs para modelos grandes.
• !Para atualizar para a versão 2.0.0a5 os índices criados com as configurações padrão de desenvolvimento anteriores, é necessário indexá-los novamente.

Tópicos

Perguntas frequentes

O que é HippoRAG?

Um framework de RAG para LLMs que cria um grafo de conhecimento a partir de documentos e usa Personalized PageRank para recuperação multi-hop e memória de longo prazo. HippoRAG é um framework de memória para LLMs, inspirado na estrutura associativa da memória de longo prazo humana. Ele extrai entidades e fatos dos documentos e os organiza em um grafo de conhecimento; depois, usa Personalized PageRank nesse grafo para recuperar trechos relacionados a uma consulta, ajudando a responder perguntas que exigem combinar informações de vários documentos.

HippoRAG é gratuito? Qual é a licença?

HippoRAG é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.

HippoRAG ainda é mantido?

Manutenção ativa. O último commit de HippoRAG foi em 6 de out. de 2026.

Para que posso usar HippoRAG?

Responder perguntas sobre uma coleção de documentos quando é preciso relacionar fatos de vários trechos. Fornecer a um agente de IA para programação ou chat uma memória persistente e atualizada incrementalmente sobre um conjunto de documentos via MCP. Executar um pipeline de RAG com modelos abertos auto-hospedados via vLLM, mantendo os dados localmente. Reproduzir ou ampliar experimentos de recuperação multi-hop dos artigos sobre HippoRAG.

Como instalar HippoRAG?

Crie um ambiente Python 3.10 com Conda: conda create -n hipporag python=3.10 Ative o ambiente: conda activate hipporag Instale o HippoRAG pelo PyPI: pip install hipporag Configure sua chave da API da OpenAI e execute o exemplo mínimo do README: export OPENAI_API_KEY=<your OpenAI API key>

Onde consigo HippoRAG?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/OSU-NLP-Group/HippoRAG