微软开源的GraphRAG一直是被寄予厚望的下一代RAG技术,但是其使用门槛过高的问题也一直被人所诟病。
今天我们分享的开源项目,它是一个简化版实现的GraphRAG,可以让用户更简单并且低成本的使用GraphRAG的能力,它就是:nano-GraphRAG
GraphRAG
Graph RAG(Graph Retrieval-Augmented Generation**)**是一种基于图的知识检索增强技术,它结合了知识图谱的广泛知识表示能力和大语言模型(LLM)的生成能力。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。
微软在今年4月份的时候提出了GraphRAG的概念,发布了GraphRAG的论文《From Local to Global: A Graph RAG Approach to Query-Focused Summarization》。在这篇论文中,微软的研究人员提出了一种从文本构建并增强知识图的方法,来解决 Baseline RAG 系统在全局理解上的缺陷。
有兴趣的同学也可以直接访问对应的代码仓库和文档,自己动手试一试。
-
项目仓库:https://github.com/microsoft/graphrag
-
项目文档:microsoft.github.io/graphrag/
nano-GraphRAG 是什么
nano-GraphRAG是一款简洁且易于定制的 GraphRAG 实现。微软开源的GraphRAG 在功能上确实非常强大,但是官方版本中对于阅读与定制修改都非常的不友好。nano-GraphRAG项目的目的就是为您呈现了一个更为精简、高效、清晰的 GraphRAG 版本,同时保留了其核心特性。如何不考虑测试的代码,那么nano-GraphRAG 的代码量大约只有 800行。并且它短小精悍,易于扩展,支持异步操作,且完全采用类型注解。
安装nano-GraphRAG
安装nano-GraphRAG的方式非常简单,你可以选择从pip来安装或者自己从原来来安装。
从 PIP 安装
pip install nano-graphrag
从源代码安装
# clone this repo first``cd nano-graphrag``pip install -e .
上手使用
配置LLM
首先需要在你的环境中配置LLM,在nano-graphrag
中,我们需要两种类型的 LLM,一种是优秀的,一种是便宜的。前者用于规划和响应,后者用于总结。默认情况下,优秀的是gpt-4o
,便宜的是gpt-4o-mini
。
如果使用默认OpenAI,这需要设置penAI API 密钥:export OPENAI_API_KEY="sk-..."
您可以实现自己的LLM函数(参考_llm.gpt_4o_complete
):
async def my_llm_complete(` `prompt, system_prompt=None, history_messages=[], **kwargs``) -> str:` `# pop cache KV database if any` `hashing_kv: BaseKVStorage = kwargs.pop("hashing_kv", None)` `` # the rest kwargs are for calling LLM, for example, `max_tokens=xxx` `` `...` `# YOUR LLM calling` `response = await call_your_LLM(messages, **kwargs)` `return response
将默认值替换为:
# Adjust the max token size or the max async requests if needed``GraphRAG(best_model_func=my_llm_complete, best_model_max_token_size=..., best_model_max_async=...)``GraphRAG(cheap_model_func=my_llm_complete, cheap_model_max_token_size=..., cheap_model_max_async=...)
下载资源物料
这里下载下载查尔斯·狄更斯的《圣诞颂歌》
curl <https://raw.githubusercontent.com/gusye1234/nano-graphrag/main/tests/mock_data.txt> > ./book.txt
通过Python来使用nano-GraphRAG
from nano_graphrag import GraphRAG, QueryParam``graph_func = GraphRAG(working_dir="./dickens")`` ``with open("./book.txt") as f:` `graph_func.insert(f.read())`` ``# Perform global graphrag search``print(graph_func.query("What are the top themes in this story?"))`` ``# Perform local graphrag search (I think is better and more scalable one)``print(graph_func.query("What are the top themes in this story?", param=QueryParam(mode="local")))``
增量更新
nano-graphrag
支持增量插入,不会添加重复的计算或数据。nano-graphrag
使用内容的 md5-hash 作为密钥,因此没有重复的块。但是,每次插入时,图的社区都会重新计算,并且社区报告也会重新生成
with open("./book.txt") as f:` `book = f.read()` `half_len = len(book) // 2` `graph_func.insert(book[:half_len])` `graph_func.insert(book[half_len:])
异步
对于每个方法NAME(...)
,都有一个对应的异步方法aNAME(...)
await graph_func.ainsert(...)``await graph_func.aquery(...)``...
可用参数
GraphRAG
和QueryParam
在dataclass
Python 中。使用help(GraphRAG)
和help(QueryParam)
查看所有可用参数!
自定义扩展
在使用中给大家看了可以通过自定义LLM来,使用非OpenAI的LLM,这里除了LLM以外,nano-GraphRAG支持的扩展还包括:
-
Prompt:
nano-graphrag
使用来自 dict 对象的提示nano_graphrag.prompt.PROMPTS
。你可以使用它并替换里面的任何提示。 -
Embedding:您可以用任何实例替换默认嵌入函数
_utils.EmbedddingFunc
。 -
存储:你可以将所有存储相关的组件替换为你自己的实现,
nano-graphrag
主要使用三种存储:base.BaseKVStorage
用于存储 key-json 对数据,base.BaseVectorStorage
用于索引嵌入,base.BaseGraphStorage
用于存储知识图谱。Benchmark
首先我们先说明对比的基础条件,我们使用三国演义来作为benchmark的基准语料库,GraphRAG和nano-graphrag都使用OpenAI的Embedding和gpt-4o,并且都不是不使用缓存,两者在同一设备和网络连接上。
Index对比
相对都比较慢,都超过了 10 分钟。
Local Search对比
问题:大乔和曹操的关系
GraphRAG
nano-graphrag
Global Search对比
问题:"大乔与曹操的关系”
GraphRAG
nano-graph
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。