GraphRAG参数与使用步骤 | 基于GPT-4o-mini实现更自制的知识图谱RAG ...

起首给兄弟朋友们展示一下结论，一个文本18万多字，txt文本大小185K，采用GraphRAG,GPT-4o-mini模型，索引耗时差不多5分钟，消耗API代价0.15美元

GraphRAG先容

GraphRAG是微软迩来开源的一款基于知识图谱技术的框架，重要应用于问答、择要和推理等方面。它的核心特点是将大型语言模型（LLMs）与知识图谱联合，从而可以或许从非结构化文本中提取结构化数据，并构建带有标签的知识图谱。
GraphRAG办理的标题重要是针对一些高层次、抽象或总结性标题，这些标题通常难以通过传统的检索增强天生（RAG）系统来答复。例如，它可以答复关于整个文本集合的主题这类标题，而不仅仅是针对特定文档的查询。
在技术实现上，GraphRAG起首利用LLM从文本中提取出实体、关系和其他相关信息，然后通过社区检测算法将知识图谱分别为多个模块化的社区。每个社区都包罗相关性较高的节点。接着，LLM会对这些社区进行择要，末了通过一种map-reduce方式，将全部相关的社区择要汇总成一个全局性的答案。
GraphRAG的开源，意味着大模型行业将迎来新的升级，特别是在问答、择要和推理方面。这个框架不仅提高了处理复杂标题的能力，还为多种应用场景提供了支持。
总的来说，GraphRAG是一个创新的框架，它通过联合知识图谱和大型语言模型，极大地增强了模型在处理复杂、抽象标题方面的能力，为AI范畴带来了新的发展机遇。

文档地址如下：
Welcome to GraphRAG

https://microsoft.github.io/graphrag/
1，安装 GraphRAG

1. pip install graphrag

复制代码

安装过程中，可能会报这个错。（如果安装中没有报任何错，请跳转到第2步）
error: subprocess-exited-with-error
× Getting requirements to build wheel did not run successfully.
│ exit code: 1
╰─> See above for output.

需要安装wheel,有些包依赖于 wheel 格式，因此你可以尝试先安装 wheel：

1. pip install wheel

复制代码

偶然最新版本的包可能会有标题，尝试安装一个稳固的旧版本：

1. pip install fastparquet==2024.2.0

复制代码

2、运行索引器

1. mkdir -p ./ragtest/input

复制代码

3、将需要索引的知识库放到下面目次，定名为book.txt

1. ./ragtest/input/book.txt

复制代码

4、安装工作情况变量

1. python -m graphrag.index --init --root ./ragtest

复制代码

5，设置.env文件和settings.yaml文件

其中.env文件需要填写openai的apikey

settings.yaml中type需要改成openai_chat,model改成gpt-4o-mini

6,开始实行索引

1. python -m graphrag.index --root ./ragtest

复制代码

安装过程如下

当提示下图时，大概3-5分钟后，就安装完成了。

7，对知识库进行提问

1. python -m graphrag.query --root ./ragtest --method global "What are the top themes in this story?"

复制代码

我把这个答复交给chatglm问了下，如下

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。