OSU-NLP-Group/HippoRAG

Что это?

Ключевые возможности

• 01Строит граф знаний по документам и выполняет поиск с помощью Personalized PageRank.
• 02Поддерживает OpenAI, Azure OpenAI, Bedrock и совместимые с OpenAI конечные точки, например vLLM.
• 03Запускает локальные модели эмбеддингов и LLM через Transformers или vLLM.
• 04Хранит векторы в локальных файлах Parquet или в Qdrant, ChromaDB и Milvus.
• 05Предоставляет MCP-сервер с инструментами retrieve, rag_qa, index и delete.
• 06Включает плагин для Claude Code и скрипты для воспроизведения экспериментов из статей.

Сценарии использования

• Ответы на вопросы по коллекции документов, когда нужно связать факты из нескольких фрагментов.
• Предоставление AI-агенту для программирования или общения долговременной памяти о наборе документов с возможностью постепенно обновлять её через MCP.
• Запуск RAG-процесса на самостоятельно размещённых моделях с открытым исходным кодом через vLLM, сохраняя данные локально.
• Воспроизведение экспериментов по многошаговому поиску из статей о HippoRAG или развитие этих исследований.

Быстрый старт

1. 1

   Создайте окружение Python 3.10 с помощью Conda

   conda create -n hipporag python=3.10
2. 2

   Активируйте окружение

   conda activate hipporag
3. 3

   Установите HippoRAG из PyPI

   pip install hipporag
4. 4

   Укажите ключ API OpenAI и запустите минимальный пример из README

   export OPENAI_API_KEY=<your OpenAI API key>

Что важно знать

• !Для использования локальных моделей требуются значительные ресурсы GPU, например обслуживание крупных моделей с помощью vLLM на нескольких GPU.
• !Чтобы обновить до версии 2.0.0a5 индексы, созданные с прежними настройками разработки по умолчанию, их нужно перестроить.

Темы

Частые вопросы

Что такое HippoRAG?

RAG-фреймворк для LLM: строит граф знаний по документам и использует Personalized PageRank для многошагового поиска и долговременной памяти. HippoRAG — фреймворк памяти для LLM, вдохновлённый ассоциативной структурой долговременной памяти человека. Он извлекает из документов сущности и факты и формирует из них граф знаний, а затем использует Personalized PageRank по этому графу, чтобы находить фрагменты, связанные с запросом. Это помогает отвечать на вопросы, для которых нужно объединить информацию из нескольких документов.

HippoRAG можно использовать бесплатно? Какая у него лицензия?

HippoRAG распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.

HippoRAG всё ещё поддерживается?

Активно поддерживается. Последний коммит в HippoRAG — 6 окт. 2026 г..

Для чего можно использовать HippoRAG?

Ответы на вопросы по коллекции документов, когда нужно связать факты из нескольких фрагментов. Предоставление AI-агенту для программирования или общения долговременной памяти о наборе документов с возможностью постепенно обновлять её через MCP. Запуск RAG-процесса на самостоятельно размещённых моделях с открытым исходным кодом через vLLM, сохраняя данные локально. Воспроизведение экспериментов по многошаговому поиску из статей о HippoRAG или развитие этих исследований.

Как установить HippoRAG?

Создайте окружение Python 3.10 с помощью Conda: conda create -n hipporag python=3.10 Активируйте окружение: conda activate hipporag Установите HippoRAG из PyPI: pip install hipporag Укажите ключ API OpenAI и запустите минимальный пример из README: export OPENAI_API_KEY=<your OpenAI API key>

Где скачать HippoRAG?

Исходный код и инструкции по установке — на GitHub: https://github.com/OSU-NLP-Group/HippoRAG