microsoft/graphrag

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

解決的問題

GraphRAG 利用知識圖譜幫助 LLM 更好地對私有、非結構化敘事數據進行推理。它解決了從複雜文本中提取結構化含義的問題，從而為問答提供更具針對性的上下文。

工作原理

它作為一個數據流水線和轉換套件運行。它使用 LLM 從非結構化文本中提取結構化數據，建立知識圖譜記憶結構，隨後 LLM 可以利用該結構來增強其輸出。

適用對象

需要增強 LLM 對其私有數據集進行探索和推理能力的開發人員和研究人員。

亮點

  • 私有數據
  • 知識圖譜記憶結構
  • 數據流水線和轉換套件
  • 提示詞微調功能

相關

  • 專案
    rahulnyk/knowledge_graph

    一個使用本地LLM將文本語料庫轉換為互動式概念知識圖譜的工具，支援高階文字分析與Graph RAG。

  • 專案
    InternScience/GraphGen

    一個使用知識圖譜生成知識驅動合成資料的框架，以填補大型語言模型（LLM）中的知識缺口，進而改善監督式微調。

  • 專案
    HKUDS/LightRAG

    一個輕量級、基於圖形的 RAG 框架，結合知識圖譜與向量嵌入，提供高效、高品質的檢索與全局上下文理解。

  • 專案
    LHRLAB/HyperGraphRAG

    一個檢索增強生成（Retrieval‑Augmented Generation）框架，使用超圖結構的知識表示，以更好地捕捉實體之間的複雜關係。

  • 專案
    DEEP-PolyU/LinearRAG

    LinearRAG 是一種用於 GraphRAG 的無關係圖構建方法，透過在圖構建階段消除 LLM token 成本，實現對大規模語料庫的高效、可擴展的多跳推理。