简介
现在的 RAG
检索增强生成是一种使用真实世界信息改进 LLM
输出的技术。
大多数 RAG
方法使用向量相似性作为搜索技术,叫 Baseline RAG
。
但是 RAG
提取的每个文档是独立的,没有显式的结构化关系。
检索出的文档可能缺乏上下文连接,并且依赖于语言模型的推理能力还有检索出的文档。
GraphRAG
是一种结构化的、分层的检索增强生成 ( RAG
) 方法,不同于使用纯文本片段的简单语义搜索方法。
GraphRAG
流程包括从原始文本中提取知识图谱、构建社区层次结构、为这些社区生成摘要,然后在执行基于 RAG
的任务时利用这些结构。
微软在在这种情况下推出了 GraphRAG
,它通过将知识表示为图结构,捕捉更复杂的知识结构和关系,通过这种图结构,可以更容易地获取相关实体的上下文信息。
这样的图结构提供了更直观的知识表示,有助于理解模型的推理过程。也大幅提高了模型的推理问答性能。
一、环境安装
GraphRAG
依赖的 python
版本在 3.10-3.12
之间,执行下列命令:
pip install graphrag
下载一个语料数据集,https://www.gutenberg.org/cache/epub/24022/pg24022.txt
。
根目录新建 /ragtest/input
空文件,然后把下载好的语料文件放入 input
下面。
二、graphRAG 使用
第一步先完成 GraphRAG
初始化:
python -m graphrag.index --init --root ./ragtest
执行成功,可以看到我们的 ragtest
目录下面是这样,
这里面的 .env
里面是 GraphRAG
管道所需的环境变量。
主要是 GRAPHRAG_API_KEY=<API_KEY>
这是 OpenAI API
或 Azure OpenAI
端点的 API
密钥。
用我们自己的 API
密钥。
settings.yaml
包含流程的设置。你可以修改此文件以更改流程的设置。
在这里插入图片描述
这里的llm如果是 openai_chat
,最好是设置成 gpt-4o-mini
,这一步为了减少我们的成本。现在初始化工作完全准备了,开始执行索引建立:
python -m graphrag.index --root ./ragtest
下面是我们终端的输出,当然这一步时间要长一点,取决于你文档的大小,
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
可以看到正在提取我们文档里面的数据集还有段落。最后出现 All workflows completed successfully.
说明就成功了。然后打开我们的 output
下面的图谱文件。
在这里插入图片描述
图谱至此建立完毕,我们来做一个查询:
python -m graphrag.query \ --root ./ragtest \ --method global \ "What are the top themes in this story?"
得到下面输出:
可以发现问题的答案非常贴近整部书籍。
GraphRAG
在回答上述问题时显示出显著的改进,展示了比以前应用于私有数据集的方法更高的智能的掌握能力。
三、总结
上面就是使用 GraphRAG
基本流程,完成的步骤主要就是提取+嵌入,跟之前的rag很类似,GraphRAG
结合了知识图谱和 RAG
。
它的目的在于解决传统 RAG
的一些问题,提供更高质量的检索,同时它的出现也改变了企业私有数据分析的技术。
下一节我们将讲述怎么在项目里使用向量数据neo4j
,还有 langchain
工具和 GraphRAG
结合起来。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。