WhyHow (Knowledge Graph Studio): Open-Source-Plattform zur Erstellung und Verwaltung von Wissensgraphen, native Unterstützung für RAG-Anwendungen

Allgemeine Einführung

Knowledge Graph Studio (KGS) ist eine Open-Source-Plattform, die den Prozess der Erstellung und Verwaltung von RAG-nativen Wissensgraphen vereinfachen soll. Die Plattform bietet regelbasiertes Entity-Parsing, modulare Graphenkonstruktion, flexible Datenaufnahme und API-first Design zur Unterstützung von Entwicklern über ein SDK. Unabhängig davon, ob es sich um strukturierte oder unstrukturierte Daten handelt, bietet Knowledge Graph Studio den Anwendern skalierbare und flexible Lösungen für experimentelle und groß angelegte Anwendungen. Die auf einer NoSQL-Datenbank basierende Plattform unterstützt den schnellen Datenabruf und die einfache Durchquerung komplexer Beziehungen und ist bestrebt, eine datenbankunabhängige Lösung zu werden.

Funktionsliste

• Regelbasierte Auflösung von Entitäten
• Modularer Aufbau der Kartierung
• Flexible Dateneingabe
• API-zentriertes Design mit SDK-Unterstützung
• Unterstützung für strukturierte und unstrukturierte Daten
• Skalierbare und flexible Lösungen
• Schneller Datenabruf und komplexes relationales Traversal
• Unterstützung für mehrere Datenbanken

Hilfe verwenden

Ablauf der Installation

1. Klon-Lagerhaus:

   git clone git@github.com:whyhow-ai/knowledge-graph-studio.git
cd knowledge-graph-studio

2. Installieren Sie die Abhängigkeit:

   pip install .

3. Entwickler-Installation:

   pip install -e . [dev,docs]

Schnellstart

1. Vorbereitung:
   • OpenAI API-Schlüssel
   • MongoDB-Konto
   • Erstellen von Projekten und Clustern in MongoDB Atlas
2. Konfigurieren Sie die Umgebungsvariablen:

   cp .env.sample .env

Update.envWerte in der Datei:

   WHYHOW__EMBEDDING__OPENAI__API_KEY=
WHYHOW__GENERATIVE__OPENAI__API_KEY=
WHYHOW__MONGODB__USERNAME=
WHYHOW__MONGODB__PASSWORD=
WHYHOW__MONGODB__DATENBANK_NAME=Haupt
WHYHOW__MONGODB__HOST=

3. Erstellen Sie Datenbanken und Sammlungen:

   cd src/whyhow_api/cli/
python admin.py einrichten-sammlungen --config-datei collection_index_config.json

4. Erstellen Sie Benutzer und API-Schlüssel:

   python admin.py create-user --email  --openai-key

5. Starten Sie den API-Server:

   uvicorn src.whyhow_api.main:app

Verwendung des SDK

1. Installieren Sie das Python-SDK:

   pip install whyhow

2. Konfigurieren Sie den WhyHow-Client:

   from whyhow import WhyHow
client = WhyHow(api_key='', base_url="http://localhost:8000")

3. Erstellen Sie Arbeitsbereiche und Karten:

   Arbeitsbereich = client.workspaces.create(name="Demo-Arbeitsbereich")
chunk = client.chunks.create(workspace_id=workspace.workspace_id, chunks=[Chunk(content="Beispielinhalt")])
triples = [Triple(head=Node(name="example node", label="example label"), relation=Relation(name="example relation"), tail=Node(name="example tail node", label="example tail label"), chunk_ids = [c.chunk_id for c in chunk])]
graph = client.graphs.create_graph_from_triples(name="Demo Graph", workspace_id=workspace.workspace_id, triples=triples)

4. Abfrage-Zuordnung:

   query = client.graphs.query_unstructured(graph_id=graph.graph_id, query="example query")

Docker verwenden

1. Bauen Sie das Spiegelbild:

   docker build --platform=linux/amd64 -t kg_engine:v1 .

2. Führen Sie das Bild aus:

   docker run -it --rm -p 1234:8000 kg_engine:v1

Der Leitfaden für Laien zum Einstieg in die KI

Hilft Ihnen, die Nutzung von KI-Tools kostengünstig und von Null an zu erlernen.KI ist, wie Bürosoftware, eine wesentliche Fähigkeit für jeden. Die Beherrschung von KI verschafft Ihnen einen Vorteil bei der Stellensuche und die Hälfte des Aufwands bei Ihrer zukünftigen Arbeit und Ihrem Studium.

Details ansehen>