AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


从安装到配置,带你跑通GraphRAG
发布日期:2024-11-12 18:46:45 浏览次数: 1550 来源:AI科技论谈


使用GraphRAG提升信息检索相关性。

GraphRAG是传统RAG的升级版,通过索引和查询两大阶段,实现了信息的图结构化处理和社区检测技术,从而提升信息检索的上下文相关性。本文为大家详细介绍GraphRAG的设置和应用方法。

1 GraphRAG

GraphRAG 是传统 RAG 的升级版,主要分为索引和查询两个阶段:

索引阶段

  • 源文档被拆分为子文档,进行实体和关系提取,构建知识图谱,形成社区结构,并生成多层次摘要。

查询阶段

  • 根据用户需求,选择合适的社区级别检索,整合多个社区的响应,形成全面答案。

GraphRAG 的创新在于利用图结构化信息和社区检测技术,提升回答的上下文相关性,但其计算成本要高于传统 RAG,后者在成本效益上仍有优势。

2 GraphRAG 设置指南

2.1 环境与安装

  1. 创建并激活虚拟环境:
conda create -n GraphRAG
conda activate GraphRAG
  1. 安装 GraphRAG 包:
pip install graphrag

2.2 目录结构

  • 创建工作目录,并在其中建立 ragtest/input 文件夹。
  • 将源文档放入 input 文件夹。

2.3 配置与初始化

  1. 初始化工作空间并创建配置文件:
python -m graphrag.index --init --root ./target

settings.yml 中设置 OpenAI API 密钥和模型配置。

2.4 构建与查询

  1. 构建知识图谱:
python -m graphrag.index --init --root ./target
  1. 执行查询:
  • 全局查询:
python -m graphrag.query --root ./target --method global "这个故事的主题是什么"
  • 局部查询:
python -m graphrag.query --root ./target --method local "这个故事的主题是什么"

通过以上步骤,可设置并使用 GraphRAG 进行有效的信息检索。

3 GraphRAG成本分析

测试结果显示,GraphRAG处理每本书的费用约为7美元,主要包括:

  • GPT-4 API调用约570次;
  • 嵌入请求约25次;
  • 处理超过100万标记。

这些数据可作为评估GraphRAG性价比的参考。


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询