microsoft/graphrag

A modular graph-based Retrieval-Augmented Generation (RAG) system

解决的问题

GraphRAG 利用知识图谱帮助 LLM 更好地对私有、非结构化叙事数据进行推理。它解决了从复杂文本中提取结构化含义的问题，从而为问答提供更具针对性的上下文。

工作原理

它作为一个数据流水线和转换套件运行。它使用 LLM 从非结构化文本中提取结构化数据，创建知识图谱记忆结构，随后 LLM 可以利用该结构来增强其输出。

适用对象

需要增强 LLM 对其私有数据集进行探索和推理能力的开发人员和研究人员。

亮点

  • 私有数据
  • 知识图谱记忆结构
  • 数据流水线和转换套件
  • 提示词微调功能

相关

  • 项目
    rahulnyk/knowledge_graph

    一个使用本地LLM将文本语料库转换为交互式概念知识图谱的工具，支持高级文本分析和Graph RAG。

  • 项目
    InternScience/GraphGen

    一个使用知识图谱生成知识驱动合成数据的框架，以填补大型语言模型（LLM）中的知识空白，从而改善监督微调。

  • 项目
    HKUDS/LightRAG

    一个轻量级的基于图的 RAG 框架，结合知识图谱和向量嵌入，提供高效、高质量的检索和全局上下文理解。

  • 项目
    LHRLAB/HyperGraphRAG

    一个检索增强生成（Retrieval‑Augmented Generation）框架，使用超图结构的知识表示，以更好地捕捉实体之间的复杂关系。

  • 项目
    DEEP-PolyU/LinearRAG

    LinearRAG 是一种用于 GraphRAG 的无关系图构建方法，通过在图构建阶段消除 LLM token 成本，实现对大规模语料库的高效、可扩展的多跳推理。