Лёгкий фреймворк и сервер для RAG на основе графа знаний: индексирует документы, выделяя сущности и связи, чтобы LLM могла формировать ответы с дополненной генерацией.
bibinprathap/VeritasGraph
Открытый фреймворк GraphRAG и агентов, который отвечает на вопросы с несколькими переходами по графу знаний и приводит источники; работает локально через Ollama или в облаке.
- Звёзды
- 326
- Форки
- 39
- Открытые issues
- 2
- Последний коммит
- позавчера
Что это?
VeritasGraph строит граф знаний по вашим документам и отвечает на вопросы, проходя по связям между сущностями, а не просто подбирая похожий текст. В ответах приводятся ссылки на источники в формате [doc#chunk]; по заявлению проекта, если граф не подтверждает ответ, система воздерживается от ответа и сообщает, что «недостаточно доказательств».
В проект входит устанавливаемый через pip Python-пакет с CLI, Python API для загрузки PDF и отправки запросов, а также MCP-сервер, предоставляющий инструменты загрузки и поиска IDE-агентам, например Claude Desktop и Cursor. Локальная веб-среда Studio на FastAPI позволяет строить графы, создавать агентов с инструментами, памятью, ограничителями и редактированием PII, а также изучать каждый этап конвейера. Модели можно запускать через Ollama или любого провайдера, совместимого с OpenAI.
В репозитории также есть примеры для отдельных предметных областей: клинический граф знаний с деидентификацией и нормализацией по ICD-10/RxNorm/SNOMED/LOINC, чат-бот для инцидентов в муниципалитете и VeritasReason — движок на основе правил для проверки соответствия политикам.
Ключевые возможности
- 01Ответы на вопросы с несколькими переходами по графу знаний со ссылками на источники в формате [doc#chunk].
- 02Иерархическая навигация по структуре документов в сочетании с поиском по графу.
- 03MCP-сервер предоставляет IDE-агентам инструменты загрузки и поиска.
- 04Локальная среда Studio для построения графов и управляемых агентов с ограничителями и памятью.
- 05Работает с Ollama и любым провайдером моделей, совместимым с OpenAI.
- 06Интерактивная визуализация сущностей и связей в графе с помощью PyVis.
Сценарии использования
- Ответы на вопросы по внутренним документам, когда для ответа важно, как связаны факты.
- Развёртывание системы вопросов и ответов по документам или агентов полностью на собственных серверах с локальной моделью Ollama.
- Подключение IDE-ассистента, например Cursor или Claude Desktop, к закрытому графу знаний.
- Создание прототипов процессов проверки соответствия требованиям или политикам на основе структурированных записей.
Быстрый старт
- 1
Установите пакет из PyPI
pip install veritasgraph - 2
Запустите интерактивную демонстрацию в lite-режиме (нужен облачный API-ключ, например OPENAI_API_KEY)
veritasgraph demo --mode=lite - 3
Запустите полностью офлайн с Ollama (нужны Ollama и около 8 ГБ оперативной памяти)
veritasgraph demo --mode=local --model=llama3.2
Что важно знать
- Для быстрой демонстрации нужен платный API-ключ OpenAI или Anthropic.
- Для офлайн-режима требуется локальная установка Ollama и примерно 8 ГБ оперативной памяти.
- Для полного конвейера нужны Docker и база данных Neo4j.
В подборках
Темы
Частые вопросы
- Что такое VeritasGraph?
- Открытый фреймворк GraphRAG и агентов, который отвечает на вопросы с несколькими переходами по графу знаний и приводит источники; работает локально через Ollama или в облаке. VeritasGraph строит граф знаний по вашим документам и отвечает на вопросы, проходя по связям между сущностями, а не просто подбирая похожий текст. В ответах приводятся ссылки на источники в формате [doc#chunk]; по заявлению проекта, если граф не подтверждает ответ, система воздерживается от ответа и сообщает, что «недостаточно доказательств».
- VeritasGraph можно использовать бесплатно? Какая у него лицензия?
- VeritasGraph распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- VeritasGraph всё ещё поддерживается?
- Активно поддерживается. Последний коммит в VeritasGraph — 4 нояб. 2026 г..
- Для чего можно использовать VeritasGraph?
- Ответы на вопросы по внутренним документам, когда для ответа важно, как связаны факты. Развёртывание системы вопросов и ответов по документам или агентов полностью на собственных серверах с локальной моделью Ollama. Подключение IDE-ассистента, например Cursor или Claude Desktop, к закрытому графу знаний. Создание прототипов процессов проверки соответствия требованиям или политикам на основе структурированных записей.
- Как установить VeritasGraph?
- Установите пакет из PyPI: pip install veritasgraph Запустите интерактивную демонстрацию в lite-режиме (нужен облачный API-ключ, например OPENAI_API_KEY): veritasgraph demo --mode=lite Запустите полностью офлайн с Ollama (нужны Ollama и около 8 ГБ оперативной памяти): veritasgraph demo --mode=local --model=llama3.2
- Где скачать VeritasGraph?
- Исходный код и инструкции по установке — на GitHub: https://github.com/bibinprathap/VeritasGraph
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Веб-приложение, которое с помощью LLM и LangChain преобразует PDF-файлы, документы, видео и веб-страницы в граф знаний в Neo4j.
Официальная Python-библиотека Neo4j для создания приложений GraphRAG, объединяющих графовые базы данных Neo4j, LLM и векторный поиск.
Python SDK для создания GraphRAG-приложений на FalkorDB: извлекает из графа знаний связанный контекст для ответов LLM и сохраняет сведения об источниках.
Модульный учебный проект по Agentic RAG на LangGraph: иерархическая индексация, память диалога и уточнение запросов.
Инструмент на Rust, который строит семантический граф знаний кодовой базы и предоставляет coding agents инструменты анализа кода через MCP.