SiliconCloud介绍
SiliconCloud 基于优秀的开源基础模型,提供高性价比的 GenAI 服务。
不同于多数大模型云服务平台只提供自家大模型 API,SiliconCloud上架了包括 Qwen、DeepSeek、GLM、Yi、Mistral、LLaMA 3、SDXL、InstantID 在内的多种开源大语言模型及图片生成模型,用户可自由切换适合不同应用场景的模型。
更重要的是,SiliconCloud 提供开箱即用的大模型推理加速服务,为您的 GenAI 应用带来更高效的用户体验。
对开发者来说,通过 SiliconCloud 即可一键接入顶级开源大模型。拥有更好应用开发速度和体验的同时,显著降低应用开发的试错成本。
官网地址:https://siliconflow.cn/zh-cn/siliconcloud
![a87b07c78c676cc291c95783e89e54d0.png](https://img-blog.csdnimg.cn/img_convert/a87b07c78c676cc291c95783e89e54d0.png)
GraphRag.Net介绍
微软此前开源了graphrag代码,项目地址:https://github.com/microsoft/graphrag。
![1f0f22c8e9fdc679d89b67022a2d866a.png](https://img-blog.csdnimg.cn/img_convert/1f0f22c8e9fdc679d89b67022a2d866a.png)
GraphRag.Net是国内一位大佬参考GraphRag使用 Semantic Kernel 来实现的dotnet版本。
项目地址:https://github.com/AIDotNet/GraphRag.Net
不要忘了给大佬一个Star哦!
![af0ee4ecdce929ddf84f0e802af562fc.png](https://img-blog.csdnimg.cn/img_convert/af0ee4ecdce929ddf84f0e802af562fc.png)
对于想要学习GraphRag的同学,可以结合这两个项目一起学习。
快速体验GraphRag
git clone到本地,根据README的指引,进行配置:
![04f3ab126dc9fec7205030dacd6affce.png](https://img-blog.csdnimg.cn/img_convert/04f3ab126dc9fec7205030dacd6affce.png)
这里我使用的是硅基流动提供的API:
![dc1e3eabf0495cc2a752ab8633812973.png](https://img-blog.csdnimg.cn/img_convert/dc1e3eabf0495cc2a752ab8633812973.png)
硅基流动不仅提供了对话模型还提供了嵌入模型,并且还兼容了OpenAI的格式,因此接入GraphRag.Net非常方便。这里对话模型使用的是Qwen/Qwen2-72B-Instruct,嵌入模型使用的是BAAI/bge-large-zh-v1.5。
启动GraphRag.Net项目,输入http://localhost:5000/进入GraphRag.Net页面:
![7a91ff1095a6e649d9f4a206e2186009.png](https://img-blog.csdnimg.cn/img_convert/7a91ff1095a6e649d9f4a206e2186009.png)
准备了一篇关于嫦娥奔月的故事的txt文本,查看控制台:
![40c4fad9b8481ae4ddcca5a3fe0106cb.png](https://img-blog.csdnimg.cn/img_convert/40c4fad9b8481ae4ddcca5a3fe0106cb.png)
在生成知识图谱中了,等待生成完成。
生成好知识图谱之后,查看知识图谱:
![da19f8c9f5dbe91e2c59c07d274fa393.png](https://img-blog.csdnimg.cn/img_convert/da19f8c9f5dbe91e2c59c07d274fa393.png)
![b711e20cda947987ac5d419b18185ebc.png](https://img-blog.csdnimg.cn/img_convert/b711e20cda947987ac5d419b18185ebc.png)
查看数据库中存了什么。
向量数据库使用的是SQLite,里面存了一些向量数据:
![d99f322a55cd88db63b3d42154462bf7.png](https://img-blog.csdnimg.cn/img_convert/d99f322a55cd88db63b3d42154462bf7.png)
查看业务数据库中的节点表:
![8aefe4503cd4339270401876804acef9.png](https://img-blog.csdnimg.cn/img_convert/8aefe4503cd4339270401876804acef9.png)
查看边界表:
![edf0a2954d0f11d7293a818a6d0bfaae.png](https://img-blog.csdnimg.cn/img_convert/edf0a2954d0f11d7293a818a6d0bfaae.png)
可能因为文本不是很多,其他表中没有数据。
然后就可以根据知识图谱进行Rag了。
问一个问题,比如“嫦娥送什么礼物给天帝?”:
![c9ad8c5e09983b2cf8e058cc9602c582.png](https://img-blog.csdnimg.cn/img_convert/c9ad8c5e09983b2cf8e058cc9602c582.png)
![8e6b29b9974c39976010a161eb91a97e.png](https://img-blog.csdnimg.cn/img_convert/8e6b29b9974c39976010a161eb91a97e.png)
回答正确。
如果体验之后,确实对GraphRag感兴趣,可以深入研究一下GraphRag的原理,两个项目结合起来看一看。