今年夏天，我们首先迎来了Graph RAG的发布，这是一个用于高级搜索和嵌入的终极RAG引擎。

Graph RAG是一个数据管道和转换套件，旨在利用LLM的强大功能从非结构化文本中提取有意义的结构化数据。

?接着，我们迎来了目前最好的RAG引擎——Hybrid RAG，它能够简单地结合知识图谱和向量检索。

HybridRAG：混合 RAG 引擎 - 知识图谱 + 向量检索！比 GraphRAG 更好！

这使得它比Graph RAG更强大。Hybrid RAG在答案的忠实度、相关性以及上下文回忆方面表现出色，这得益于结合了朴素的余弦相似性搜索和知识图谱检索。

令人惊讶的是，Graph RAG和Hybrid RAG的发布仅相隔一个月，这展示了技术发展的速度。

唯一的问题是，这两者都很难配置，启动起来需要大量时间。对于普通用户来说，这无疑是个难以逾越的门槛。

但不用担心。有一个新的项目：

?这是一个基于RAG的工具，用于与你的文档聊天，它支持实现Hybrid RAG和Graph RAG。这是一个名为Kotaemon的开源框架，一个新型的RAG UI，用于与文档进行对话，使这些RAG技术的使用过程变得非常简单。

目前，有两种方式可以访问Kotaemon，首先是通过Hugging Face Spaces，这使你能够利用这个演示来开始使用这个新的RAG UI。

?你也可以通过简单下载文件来安装它。你可以前往Kotaemon的文档，点击最新发布的版本后，下载Kotaemon app.zip。

完成后，将你刚刚下载的ZIP文件拖到桌面上。接下来，你需要使用7zip或WinRAR解压该文件，提取出Kotaemon主文件夹后，进入该文件夹，找到Scripts文件夹，然后运行Windows上的dobat命令或文件。

?如果你使用的是Mac OS或Linux，则需要使用与你的操作系统匹配的命令。简单运行它，它会开始安装必要的组件，例如设置你的环境，

并执行所有必要的步骤，几秒钟后，它将在浏览器中打开。

安装完成后，你可以在本地浏览器中打开它，然后它会引导你到这个页面。你需要设置用户名和密码。

为此，你需要找到flow_settings.py文件，

修改变量，设置密码，并获取管理员密码。在flow_settings.py文件中，你会看到可以进行访问设置，这里的默认用户名和密码都是admin，

但你可以通过修改此组件来设置为其他内容。然后回到本地浏览器，输入管理员用户名和密码，点击登录?。

现在，你已经可以访问Kotaemon的UI了。

还有另一种安装方式，适用于开发人员和终端用户，你可以使用Docker进行安装。运行此命令后克隆代码，

或者不使用Docker，直接克隆代码并安装所需的包。

基本上，Kotaemon是一个设计用于提供功能性RAG UI的项目，在这里你可以实现不同的RAG技术，例如Graph RAG、Hybrid RAG以及向量检索。

?这款漂亮的RAG UI提供了多种功能，满足了终端用户和开发人员的需求。你可以使用这个简洁的UI来帮助你完成多种任务，它也可以用于问答、互动式流水线定制等多种用途。现在让我们来看看Kotaemon的功能。

首先，它为你提供了本地托管文档的能力，具有Web UI，多用户可以访问你的门户，你可以进行协作和共享。

你还可以组织LMS和嵌入模型，这非常实用。它支持本地和基于API的模型，并且兼容本地LMS和一些流行提供商，例如ollama、Groq、 OpenAI。

你还可以实现混合RAG流水线，包括我们之前提到的高质量检索系统，如Graph RAG或Hybrid RAG。

还支持多模态问答，这对文档解析、图表和表格处理非常理想。正如你在这里看到的，它能够处理所有数据，甚至可以利用视觉模型来分析这些特定类型的数据集。

它还具有高级引用和文档审查功能，这是一个详细的引用过程，提供全面的引用信息，确保LLMS生成答案的准确性。

你还可以在浏览器中的PDF查看器中查看这些引用，包括相关的资源，浏览器会直接显示并突出显示所有必要的来源。

你还可以支持复杂的推理方法，提供基于代理的推理。这对于使用像React、ReAct等代理的高级推理方法非常理想。

LangGPT：这个Prompt顶级思维框架（RAG、结构化）有时间一定要看看

它还关注问题分解，处理不同的复杂或多跳问题。

另一个很棒的功能是扩展框架，它非常可定制，基于Gradio开发，提供了更多灵活性，允许用户根据需要轻松添加或修改UI元素。

这对于想要将其扩展到企业应用场景的各种企业来说非常有用。你甚至可以让它支持多种索引和检索策略，包括所有不同的索引流水线作为示例，甚至还计划支持其他策略。

现在简要展示一下UI，你有一个聊天组件，你可以与文档对话，只需在这里上传你的文档，你就可以在右侧面板看到输出结果。

还可以进入文件选项卡来管理你的知识库。

你还有一个Graph RAG集合，这是另一种技术，

你可以在资源选项里看到所有资源以及所有LMMS提供商。你只需添加LMMS的名称、供应商，

如果你想实现嵌入模型，也可以在这里进行配置。

在设置标签中，你可以添加更多用户，配置不同的检索设置，甚至配置Graph RAG集合设置。你还可以专注于推理设置，这会通过系统提示生成不同的输出，你有问答提示，并可以设置生成时包含的交互次数。

如果你需要帮助，你可以点击帮助按钮，这会带你到他们开发的文档，帮助你配置和使用这个UI。

首先，如果你想使用这个工具，你需要进入文件选项卡并上传文件。

你可以通过Graph RAG集合或文件集合来完成此操作，文件集合支持多种文件类型，因此在这方面非常出色。

它会开始对你的文件进行索引，这意味着它会开始分块并使用你选择的Graph技术，以获得最佳检索结果。

索引完成后，你可以在这里看到上传的文件列表，然后你可以进入聊天选项卡开始与它聊天。

你还需要进入资源选项卡，添加你的LMMS，

配置并添加API密钥，选择你想要使用的模型，然后点击保存。你还可以实现OpenAI嵌入，因为你在使用OpenAI模型。

完成这些步骤后，你可以进入文件或聊天选项卡，开始与文档聊天。

基本上，这就是Kotaemon，它是一个非常棒的开源RAG UI，允许你在其UI组件中实现Hybrid RAG和Graph RAG。