Diffbot GraphRAG LLM: servicio de razonamiento LLM basado en datos externos de grafos de conocimiento en tiempo real.

Introducción general

Diffbot LLM推理服务器是一个创新的大规模语言模型系统，它基于LLama模型架构进行了特殊优化和改进。该项目最大的特点是将实时知识图谱（Knowledge Graph）与Búsqueda Generación mejorada（RAG）技术相结合，创造了独特的GraphRAG系统。它不仅能够实时提取和处理网页信息，还可以进行精确的事实引用和知识检索。系统提供了两个版本的模型：基于Llama 3.1的8B参数模型（diffbot-small）和基于Llama 3.3的70B参数模型（diffbot-small-xl）。在MMLU-Pro等权威基准测试中，该系统展现出优秀的性能，特别是在实时数据处理方面的表现超越了包括GPT-4和ChatGPT等主流模型。项目完全开源，支持本地部署和云端API调用，为开发者提供了灵活的使用方式。

体验地址：https://diffy.chat/

Lista de funciones

• 实时网页URL内容提取和总结功能
• 基于知识图谱的精确事实检索和引用
• 支持Diffbot知识图谱查询语言（DQL）
• 图像理解和描述能力
• 集成JavaScript解释器的代码运算功能
• ASCII艺术天气预报生成
• 支持Docker容器化部署
• 提供REST API接口服务
• 支持自定义工具扩展
• 支持多种硬件配置部署选项

Utilizar la ayuda

1. 部署方式选择

系统提供两种使用方式：本地部署和云端API调用。

本地部署流程：

1. 硬件要求确认：
   • diffbot-small模型：最低需要Nvidia A100 40G显卡
   • diffbot-small-xl模型：最低需要2个Nvidia H100 80G显卡（FP8格式）
2. Docker部署步骤：

# 1. 拉取Docker镜像
docker pull docker.io/diffbot/diffbot-llm-inference:latest
# 2. 运行Docker容器（模型会自动从HuggingFace下载）
docker run --runtime nvidia --gpus all -p 8001:8001 --ipc=host \
-e VLLM_OPTIONS="--model diffbot/Llama-3.1-Diffbot-Small-2412 --served-model-name diffbot-small --enable-prefix-caching" \
docker.io/diffbot/diffbot-llm-inference:latest

云端API调用：

1. 获取访问凭证：
   • 访问 https://app.diffbot.com/get-started 注册并获取免费的开发者token
2. Python代码示例：

from openai import OpenAI
client = OpenAI(
base_url = "https://llm.diffbot.com/rag/v1",
api_key  = "你的diffbot_token"
)
# 创建对话请求
completion = client.chat.completions.create(
model="diffbot-xl-small",
temperature=0,
messages=[
{
"role": "user",
"content": "你的问题"
}
]
)
print(completion)

2. Descripción del uso de las funciones básicas

1. 网页内容提取：
   • 系统可以实时处理任何网页URL
   • 自动提取关键信息并生成摘要
   • 保持原始源引用的完整性
2. 知识图谱查询：
   • 使用Diffbot查询语言（DQL）进行精确检索
   • 支持复杂的知识关系查询
   • 实时更新的知识库访问
3. 图像处理能力：
   • 支持图像理解和描述
   • 可以结合文本生成相关的图像分析
4. 代码解释功能：
   • 内置JavaScript解释器
   • 支持实时数学计算
   • 可进行简单的程序逻辑处理

3. 自定义工具扩展

如需扩展新功能，可参考项目中的add_tool_to_diffbot_llm_inference.md文档，按步骤添加自定义工具。