轻量级知识图谱 RAG 框架与服务,将文档构建为实体关系图谱,用于增强 LLM 问答。
4万5709PythonMIT更新于 5天前
一个基于 LLM 的 Python 数据管道,从非结构化文本中抽取知识图谱,用于增强问答检索。
GraphRAG 是微软研究院推出的模块化、基于图的检索增强生成(RAG)系统。它是一套数据管道与转换工具,借助 LLM 从非结构化文本中抽取实体、关系等结构化数据,并组织成图,为基于私有文档的问答提供针对性的上下文。
它面向的是对大量叙述性文本提问的场景,在这类问题上,普通向量检索可能会漏掉横跨多篇文档的主题。索引构建是成本最高的环节,项目建议先阅读相关文档了解流程与成本,并从小规模数据集开始。针对具体数据做提示词调优通常是获得好结果的必要步骤。
该项目目前处于维护模式,不再接收新功能和 PR,仅提供缺陷修复、依赖更新和安全补丁。代码定位为演示用途,并非微软官方支持的正式产品。
按照官方文档中的命令行快速入门操作
使用 init 命令初始化项目目录和配置
graphrag init --root [path] --force概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
轻量级知识图谱 RAG 框架与服务,将文档构建为实体关系图谱,用于增强 LLM 问答。
用于为 AI 智能体构建时序知识图谱的 Python 框架,可追踪事实随时间的变化。
用于构建、测试和部署 AI 智能体与工作流的可视化平台,可通过 API 或 MCP 服务器对外调用。
开源文档解析工具,把 PDF、Office、HTML 等文件转换为结构化数据,供生成式 AI 使用。
为 AI 智能体和应用提供长期记忆层,跨会话保存并检索用户与上下文信息。
用于构建生产级 LLM 应用的开源 Python 框架,提供模块化管道与智能体工作流,适用于 RAG、语义搜索等场景。