Knowledge Graph Studio (WhyHow) : plateforme open source pour la création et la gestion de graphes de connaissances, avec prise en charge native des applications RAG.

Introduction générale

Knowledge Graph Studio (KGS) est une plateforme open source conçue pour simplifier le processus de création et de gestion des graphes de connaissances natifs de RAG. La plateforme fournit une analyse d'entités basée sur des règles, une construction modulaire de graphes, une ingestion de données flexible et une conception API-first pour soutenir les développeurs par le biais d'un SDK. Qu'il s'agisse de données structurées ou non structurées, Knowledge Graph Studio offre aux utilisateurs des solutions évolutives et flexibles pour les applications expérimentales et à grande échelle. Basée sur une base de données NoSQL, la plateforme permet une récupération rapide des données et une traversée aisée des relations complexes, et s'engage à devenir une solution agnostique aux bases de données.

Liste des fonctions

• Résolution d'entités basée sur des règles
• Construction modulaire de la cartographie
• Ingestion de données flexible
• Conception privilégiant l'API avec prise en charge du SDK
• Prise en charge des données structurées et non structurées
• Des solutions évolutives et flexibles
• Extraction rapide de données et parcours relationnel complexe
• Prise en charge de plusieurs bases de données

Utiliser l'aide

Processus d'installation

1. Entrepôt de clonage :

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

2. Installer la dépendance :

   pip install .

3. Installation du développeur :

   pip install -e .[dev,docs]

Démarrage rapide

1. Préparation :
   • Clé API OpenAI
   • Compte MongoDB
   • Création de projets et de clusters dans l'Atlas MongoDB
2. Configurer les variables d'environnement :

   cp .env.sample .env

mise à jour.envdans le fichier :

   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>

3. Créer des bases de données et des collections :

   cd src/whyhow_api/cli/
python admin.py setup-collections --config-file collection_index_config.json

4. Créer des utilisateurs et des clés API :

   python admin.py create-user --email <你的邮箱地址> --openai-key <你的OpenAI API密钥>

5. Démarrer le serveur API :

   uvicorn src.whyhow_api.main:app

Utiliser le SDK

1. Installer le SDK Python :

   pip install whyhow

2. Configurer le client WhyHow :

   from whyhow import WhyHow
client = WhyHow(api_key='<你的WhyHow API密钥>', base_url="http://localhost:8000")

3. Créer des espaces de travail et des cartes :

   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)

4. Mappage des requêtes :

   query = client.graphs.query_unstructured(graph_id=graph.graph_id, query="示例查询")

Utilisation de Docker

1. Construire l'image miroir :

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

2. Exécutez l'image :

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