我要投稿

从安装到配置，带你跑通GraphRAG

发布日期：2024-11-12 18:46:45 浏览次数： 2271 作者：AI科技论谈

使用GraphRAG提升信息检索相关性。

GraphRAG是传统RAG的升级版，通过索引和查询两大阶段，实现了信息的图结构化处理和社区检测技术，从而提升信息检索的上下文相关性。本文为大家详细介绍GraphRAG的设置和应用方法。

1 GraphRAG

GraphRAG 是传统 RAG 的升级版，主要分为索引和查询两个阶段：

索引阶段：

源文档被拆分为子文档，进行实体和关系提取，构建知识图谱，形成社区结构，并生成多层次摘要。

查询阶段：

根据用户需求，选择合适的社区级别检索，整合多个社区的响应，形成全面答案。

GraphRAG 的创新在于利用图结构化信息和社区检测技术，提升回答的上下文相关性，但其计算成本要高于传统 RAG，后者在成本效益上仍有优势。

2 GraphRAG 设置指南

2.1 环境与安装

创建并激活虚拟环境：

conda create -n GraphRAG
conda activate GraphRAG

安装 GraphRAG 包：

pip install graphrag

2.2 目录结构

创建工作目录，并在其中建立 ragtest/input 文件夹。
将源文档放入 input 文件夹。

2.3 配置与初始化

初始化工作空间并创建配置文件：

python -m graphrag.index --init --root ./target

在 settings.yml 中设置 OpenAI API 密钥和模型配置。

2.4 构建与查询

构建知识图谱：

python -m graphrag.index --init --root ./target

执行查询：

全局查询：

python -m graphrag.query --root ./target --method global "这个故事的主题是什么"

局部查询：

python -m graphrag.query --root ./target --method local "这个故事的主题是什么"

通过以上步骤，可设置并使用 GraphRAG 进行有效的信息检索。

3 GraphRAG成本分析

测试结果显示，GraphRAG处理每本书的费用约为7美元，主要包括：

GPT-4 API调用约570次；
嵌入请求约25次；
处理超过100万标记。

这些数据可作为评估GraphRAG性价比的参考。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-05-27

MCP 深度解析

2025-05-27

用普通人能听懂的话聊聊 RAG

2025-05-27

企业RAG系统为何失败：谷歌研究提出"充足上下文"解决方案

2025-05-27

RAG 的饼，好像吃不下了。。。。

2025-05-27

太好用了！Roo终于出了一个我迫切想要的功能：Codebase Indexing

2025-05-27

Mem0智能记忆引擎：解决AI长期记忆难题

2025-05-26

深度解读AI逐步思考过程，是如何从认知模拟到智能升级！

2025-05-26

赢得企业RAG挑战赛的秘诀 —— 冠军方案剖析与感悟

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

全网最全国内Agent平台深度测评：扣子、Dify、FastGPT，谁是你的Agent开发首选？

2024-10-27

一文彻底搞懂大模型 - RAG（检索、增强、生成）

2024-09-04

RAGFlow：基于OCR和文档解析的下一代 RAG 引擎

2024-05-05

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

RAG框架，都在这了!

2024-06-20

RAG 高效应用指南：Embedding 模型的选择和微调

2024-06-13

深入解析 Graph RAG：提升语言模型问答能力的创新策略

2024-07-09

微软开源的GraphRAG解读

2024-07-09

基于Llama 3 构建RAG语音助手：将本地 RAG 与 Qdrant、Whisper 和 LangChain 集成

2024-05-19

Prompt工程师必备：复旦重磅 | 最佳RAG实践长什么样的？

2024-07-07

大家都在问

【RAG】给传统企业搞AI转型，RAG项目最难啃的骨头是啥？

2025-05-23

解锁AI时代的核心通关密码——为什么你必须搞懂RAG、Agent、MCP？

2025-05-16

如何设计 AI 与人的交互？以及为什么真正的创新必然是集中式的？

2025-05-15

随着大模型技术的发展——RAG技术有可能会被淘汰吗？

2025-05-14

AI知识库到底是什么？不同应用场景如何调参数配置？

2025-05-14

AI 全栈工程体系中，Prompt Engineering、AI Agent 和 RAG 如何协同工作？

2025-05-13

一文读懂RAG：AI的“外部知识库”如何让回答更精准？

2025-05-11

25种RAG架构大揭秘：AI项目如何选型？

2025-05-08

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB