OSU-NLP-Group/HippoRAG

[NeurIPS'24] HippoRAG is a novel RAG framework inspired by human long-term memory that enables LLMs to continuously integrate knowledge across external documents. RAG + Knowledge Graphs + Personalized PageRank.

解决的问题

HippoRAG 2 解决了标准检索增强生成 (RAG) 系统在处理复杂多跳推理和持续知识集成方面的局限性。传统的 RAG 往往难以连接大型数据集中分散的信息片段，而 HippoRAG 2 使用基于图的记忆框架来提高关联性和意义构建能力，使大语言模型能够像拥有人类般的长期记忆一样更好地综合信息。

工作原理

HippoRAG 2 作为一个记忆框架，从输入文档中构建结构化的知识图谱。与标准的纯向量 RAG 不同，它提取实体和关系以创建知识图谱，使系统能够执行多跳检索——连接原始文本中没有直接关联但在逻辑上相关的事实。它旨在提高在线推理和离线索引的效率，比其他基于图的 RAG 替代方案需要更少的计算资源。

适用对象

该项目适用于正在构建高级 RAG 应用程序的开发人员和研究人员，他们需要大语言模型在大型、不断演变的知识库上执行复杂推理。对于那些需要使用 Model Context Protocol (MCP) 将持久化、可查询的记忆集成到 AI 代理或应用程序中的用户特别有用。

亮点

改进的推理： 专门针对多跳检索和复杂意义构建任务进行了优化。
资源高效： 与 GraphRAG 或 RAPTOR 等其他基于图的 RAG 方法相比，提供了更轻量级的索引过程。
MCP 集成： 包含内置的 Model Context Protocol (MCP) 服务器，使其能够作为 Claude Desktop 或 Cursor 等工具中代理的持久化记忆层。
灵活的后端： 支持多种向量存储后端，包括本地 Parquet 文件、Qdrant、ChromaDB 和 Milvus。