我刚刚发现了目前最好的完全开源的RAG系统,微软AI推出的GraphRAG。GraphRAG是一个数据管道和转换套件,利用各种大型语言模型的强大功能,从非结构化文本中提取有意义的结构化数据。
在介绍GraphRAG之前,我需要解释一下RAG的基本概念。
RAG(Retrieval-Augmented Generation)是一种自然语言处理方法,通过外部知识增强现有的大型语言模型,以便在回答需要特定知识的问题时,提供更相关的答案。
这种方法被广泛使用,因为它不仅是最经济实惠的方法,还能减少大型语言模型的幻觉倾向,使生成的内容更贴近上下文信息。
除了用于问答,RAG还可以用于很多自然语言处理任务,例如从文本中提取信息、推荐、情感分析和摘要,这些都可以在私有本地存储中完成。那么,GraphRAG和传统的基准RAG系统有何不同呢?
GraphRAG结合了图结构和RAG,它将文本提取、网络分析、大型语言模型的提示和摘要整合成一个强大的系统。
与简单的文本搜索方法不同,GraphRAG使用知识图谱来提取和组织信息,从而提高响应的准确性和相关性,尤其是在处理复杂或私密的数据集时。它通过连接分散的信息片段,提供综合的见解,显著优于基准RAG技术。
现在我们了解了RAG和GraphRAG的基本概念,接下来我将展示如何开始使用GraphRAG,并了解其一些功能。我强烈推荐大家观看这个由项目创作者演示的视频,它会更详细地解释GraphRAG的工作原理。
▲ 项目创作者演示的视频
https://www.youtube.com/watch?v=jCjyaQL-7mA&t=0s
如何开始使用GraphRAG
让我们开始安装使其在你计算机上运行所需的先决条件。首先,你需要确保已安装Python的最新版本,并确保已安装PIP。
然后,你需要克隆该存储库并进入VS Code,这是我推荐的集成开发环境。
打开VS Code的新窗口,打开终端,输入PIP install graph rag安装相关包。接着输入cd graph rag进入目录,并输入export graph rag_API_key填入你的API密钥。
你需要创建一个输入文件夹以存放所有文件或文档。你可以在终端中输入mkdir input来创建文件夹,
然后打开VS Code,点击“文件”->“打开文件夹”,选择克隆的存储库目录,你会看到创建的输入文件夹。接着将一份今年的福特财务报告放入该文件夹,以便使用GraphRAG进行分析。
在下一个步骤中,输入命令python -m graph rag index以对当前文档进行索引,然后将可以开始与该文档进行对话。
每次处理新文件时都需要进行索引。你还可以在.env文件中粘贴你的API密钥,如果使用其他模型,可以在此处进行配置。配置完成后,保存文件并运行代码。
最后,运行以下命令以启动对话:python -m graph rag query。这将初始化查询或输入,并设置为根文件夹,接着输入查询。这样就可以在本地访问和使用RAG系统。我强烈推荐使用Ollama,它易于设置,只需设置端点即可。
下面提供官方的文档介绍、相关资源、部署教程等,进一步支撑你的行动,以提升本文的帮助力。
GraphRAG 项目
👉 使用 GraphRAG Accelerator 解决方案
👉 微软研究博客文章
👉 阅读文档
👉 GraphRAG 发表的论文
简介
GraphRAG 是一个旨在利用大语言模型(LLMs)从非结构化文本中提取结构化数据的数据处理工具套件。
要了解更多关于 GraphRAG 及其如何增强 LLM 处理私有数据能力的信息,请访问 微软研究博客文章.
快速入门
建议使用 Solution Accelerator 包,该包提供了与 Azure 资源的端到端用户体验。
代码库指南
此代码库展示了如何利用知识图谱记忆结构来增强 LLM 输出。请注意,提供的代码仅作为示范用途,不是微软官方支持的产品。
深入探索
-
关于贡献指南,请参见 CONTRIBUTING.md
-
关于 GraphRAG 的开发信息,请参见 DEVELOPING.md
提示调优
为了使 GraphRAG 在使用您的数据时达到最佳效果,我们强烈建议按照文档中的 提示调优指南 进行调整。
责任 AI 常见问题
请参阅 RAI_TRANSPARENCY.md 了解以下内容:
-
GraphRAG 是什么?
-
GraphRAG 能做什么?
-
GraphRAG 的预期用途是什么?
-
GraphRAG 如何评估?使用了哪些性能指标?
-
GraphRAG 的局限性是什么?用户如何将其影响降到最低?
-
哪些操作因素和设置有助于 GraphRAG 的有效和负责任使用?
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。