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 8 meses Círculo de intercambio de inteligencia artificial 1.9K 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
El artículo está protegido por derechos de autor y no debe reproducirse sin autorización.
Artículos relacionados
Sin comentarios...