Knowledge Graph Studio (WhyHow): plataforma de código abierto para crear y gestionar grafos de conocimiento, con soporte nativo para aplicaciones RAG.

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.

Knowledge Graph Studio(WhyHow):创建和管理知识图谱的开源平台,RAG应用原生支持

 

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

  1. Almacén de clonación:
   git clone git@github.com:whyhow-ai/knowledge-graph-studio.git
cd knowledge-graph-studio
  1. Instale la dependencia:
   pip install .
  1. Instalación para desarrolladores:
   pip install -e .[dev,docs]

Inicio rápido

  1. Preparación:
    • Clave API de OpenAI
    • Cuenta MongoDB
    • Creación de proyectos y clusters en MongoDB Atlas
  2. Configurar variables de entorno:
   cp .env.sample .env

actualización.enven 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>
  1. Crear bases de datos y colecciones:
   cd src/whyhow_api/cli/
python admin.py setup-collections --config-file collection_index_config.json
  1. 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>
  1. Inicie el servidor API:
   uvicorn src.whyhow_api.main:app

Uso del SDK

  1. Instale el SDK de Python:
   pip install whyhow
  1. Configura el cliente WhyHow:
   from whyhow import WhyHow
client = WhyHow(api_key='<你的WhyHow API密钥>', base_url="http://localhost:8000")
  1. 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)
  1. Asignación de consultas:
   query = client.graphs.query_unstructured(graph_id=graph.graph_id, query="示例查询")

Uso de Docker

  1. Construye la imagen del espejo:
   docker build --platform=linux/amd64 -t kg_engine:v1 .
  1. Ejecuta la imagen:
   docker run -it --rm -p 1234:8000 kg_engine:v1
© declaración de copyright
AiPPT

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...