Knowledge Graph Studio (WhyHow): plataforma de código abierto para crear y gestionar grafos de conocimiento, con soporte nativo para aplicaciones RAG.
Últimos recursos sobre IAActualizado hace 10 meses Círculo de intercambio de inteligencia artificial 25.5K 00
Introducción general
Knowledge Graph Studio (KGS) es una plataforma de código abierto diseñada para simplificar el proceso de creación y gestión de grafos de conocimiento nativos de RAG. La plataforma ofrece análisis sintáctico de entidades basado en reglas, construcción modular de grafos, ingestión flexible de datos y un diseño basado en API para ayudar a los desarrolladores a través de un SDK. Tanto si se trata de datos estructurados como no estructurados, Knowledge Graph Studio ofrece a los usuarios soluciones escalables y flexibles para aplicaciones experimentales y a gran escala. Construida sobre una base de datos NoSQL, la plataforma permite una rápida recuperación de datos y un fácil recorrido por relaciones complejas, y se ha comprometido a convertirse en una solución agnóstica de bases de datos.

Lista de funciones
- Resolución de entidades basada en reglas
- Construcción cartográfica modular
- Introducción flexible de datos
- Diseño API-first con soporte SDK
- Soporte para datos estructurados y no estructurados
- Soluciones escalables y flexibles
- Recuperación rápida de datos y navegación relacional compleja
- Soporte para múltiples bases de datos
Utilizar la ayuda
Proceso de instalación
- Almacén de clonación:
git clone git@github.com:whyhow-ai/knowledge-graph-studio.git
cd knowledge-graph-studio
- Instale la dependencia:
pip install .
- Instalación para desarrolladores:
pip install -e .[dev,docs]
Inicio rápido
- Preparación:
- Clave API de OpenAI
- Cuenta MongoDB
- Creación de proyectos y clusters en MongoDB Atlas
- Configurar variables de entorno:
cp .env.sample .env
actualización.env
en el archivo:
WHYHOW__EMBEDDING__OPENAI__API_KEY=<你的OpenAI API密钥>
WHYHOW__GENERATIVE__OPENAI__API_KEY=<你的OpenAI API密钥>
WHYHOW__MONGODB__USERNAME=<你的MongoDB用户名>
WHYHOW__MONGODB__PASSWORD=<你的MongoDB密码>
WHYHOW__MONGODB__DATABASE_NAME=main
WHYHOW__MONGODB__HOST=<你的MongoDB主机>
- Crear bases de datos y colecciones:
cd src/whyhow_api/cli/
python admin.py setup-collections --config-file collection_index_config.json
- Crear usuarios y claves API:
python admin.py create-user --email <你的邮箱地址> --openai-key <你的OpenAI API密钥>
- Inicie el servidor API:
uvicorn src.whyhow_api.main:app
Uso del SDK
- Instale el SDK de Python:
pip install whyhow
- Configura el cliente WhyHow:
from whyhow import WhyHow
client = WhyHow(api_key='<你的WhyHow API密钥>', base_url="http://localhost:8000")
- Crear espacios de trabajo y mapas:
workspace = client.workspaces.create(name="Demo Workspace")
chunk = client.chunks.create(workspace_id=workspace.workspace_id, chunks=[Chunk(content="示例内容")])
triples = [Triple(head=Node(name="示例节点", label="示例标签"), relation=Relation(name="示例关系"), tail=Node(name="示例尾节点", label="示例尾标签"), 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)
- Asignación de consultas:
query = client.graphs.query_unstructured(graph_id=graph.graph_id, query="示例查询")
Uso de Docker
- Construye la imagen del espejo:
docker build --platform=linux/amd64 -t kg_engine:v1 .
- Ejecuta la imagen:
docker run -it --rm -p 1234:8000 kg_engine:v1
© declaración de copyright
Derechos de autor del artículo Círculo de intercambio de inteligencia artificial Todos, por favor no reproducir sin permiso.
Artículos relacionados
Sin comentarios...