Yuxi-Know : une plateforme intelligente de questions-réponses basée sur un graphe de connaissances

Dernières ressources sur l'IAPosté il y a 4 mois Cercle de partage de l'IA

1.3K 00

Introduction générale

Yuxi-Know 是一个开源的智能问答平台，结合知识图谱和 RAG（检索增强生成）技术，帮助用户快速获取精准答案。它基于 Neo4j 存储知识图谱，使用 FastAPI 和 VueJS 构建后端和前端，支持多种大模型，如 OpenAI、DeepSeek、豆包等。系统集成了 Milvus base de données vectorielles，支持 PDF、TXT 等多种格式的知识库文件。Yuxi-Know 提供联网检索、DeepSeek-R1 推理模型和工具调用功能，适合开发者构建知识管理或智能客服系统。项目在 GitHub 上开源，易于部署和扩展。

Liste des fonctions

支持多种大模型调用，包括 OpenAI、DeepSeek、豆包、智谱清言等。
提供知识图谱查询，基于 Neo4j 存储结构化数据。
adjuvant RAG 技术，结合知识库和联网检索生成准确答案。
intégré (comme dans circuit intégré) Profondeur de l'eau-R1 推理模型，处理复杂逻辑问题。
提供工具调用功能，通过 API 执行外部任务。
支持多种文件格式（PDF、TXT、MD、Docx）构建知识库。
使用 Milvus 向量数据库，存储和检索文档向量。
提供网页界面，基于 VueJS，操作简单直观。
支持本地模型部署，通过 vLLM peut-être Ollama 提供 API 服务。
允许用户自定义模型和向量模型配置，适配不同需求。

Utiliser l'aide

Processus d'installation

Yuxi-Know 使用 Docker 部署，简化安装流程。以下是详细步骤：

Préparation de l'environnement
确保安装了 Docker 和 Docker Compose。推荐使用 Linux 或 macOS 系统，Windows 用户需启用 WSL2。检查 Docker 是否正常运行：
```
docker --version
```
确保 Git 已安装，用于克隆代码。
projet de clonage
在终端运行以下命令，克隆 Yuxi-Know 代码库：
```
git clone https://github.com/xerrors/Yuxi-Know.git
```
Accédez au catalogue de projets :
```
cd Yuxi-Know
```
Configuration des variables d'environnement
Yuxi-Know 需要配置 API 密钥和模型参数。复制模板文件：
```
cp src/.env.template src/.env
```
Ouvrir avec un éditeur de texte src/.env，填入必要的密钥。例如：
```
SILICONFLOW_API_KEY=sk-你的密钥
DEEPSEEK_API_KEY=你的密钥
TAVILY_API_KEY=你的密钥
```
如果使用其他模型（如 OpenAI、豆包），添加对应密钥：
```
OPENAI_API_KEY=你的密钥
ARK_API_KEY=你的密钥
```
Utilisation par défaut SiliconFlow 服务，必须配置 SILICONFLOW_API_KEY。若使用本地模型，需配置模型路径：
```
MODEL_DIR=/path/to/your/models
```

Démarrage des services
在项目根目录运行以下命令，启动所有服务：

docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build

这会启动 Neo4j、Milvus、FastAPI 后端和 VueJS 前端。首次启动可能需要几分钟。成功后，终端会显示：

[+] Running 7/7
✔ Network docker_app-network       Created
✔ Container graph-dev              Started
✔ Container milvus-etcd-dev        Started
✔ Container milvus-minio-dev       Started
✔ Container milvus-standalone-dev  Started
✔ Container api-dev                Started
✔ Container web-dev                Started

若需后台运行，添加 -d Paramètres :

docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build -d

système d'accès
Ouvrez votre navigateur et visitez http://localhost:5173/，即可进入 Yuxi-Know 界面。如果无法访问，检查 Docker 容器状态：
```
docker ps
```
确保所有容器都在运行。若端口冲突，可修改 docker-compose.dev.yml La configuration du port dans le

关闭服务
停止服务并删除容器：

docker compose -f docker/docker-compose.dev.yml --env-file src/.env down

Utilisation des fonctions principales

Yuxi-Know 提供知识图谱查询、知识库检索、联网检索和工具调用功能。以下是详细操作方法：

Requête de graphe de connaissances
Yuxi-Know 使用 Neo4j 存储知识图谱，适合查询结构化数据。例如，查询“北京的首都是什么？”系统会从知识图谱中提取答案。
- 导入知识图谱：准备 JSONL 格式文件，每行包含头节点、尾节点和关系，例如：
```
{"h": "北京", "t": "中国", "r": "首都"}
```
  在界面导航到“图谱管理”，上传 JSONL 文件。系统会自动加载到 Neo4j。
- 访问 Neo4j：启动后，可通过 http://localhost:7474/ 访问 Neo4j 面板，默认账户为 neo4j，密码为 0123456789.
- prendre note：节点需包含 Entity 标签，否则无法触发索引。
知识库检索
系统支持上传 PDF、TXT、MD、Docx 文件，自动转为向量存储到 Milvus 数据库。操作步骤：
- 在界面导航到“知识库管理”，点击“上传文件”。
- 选择文件，系统会将内容转为纯文本，使用向量模型（如 BAAI/bge-m3）生成向量并存储。
- 查询时，输入问题，如：“文档中提到的人工智能趋势是什么？” 系统会检索相关内容并生成答案。
- attirer l'attention sur qqch.：大文件处理可能较慢，建议分段上传。
联网检索
当本地知识库无法回答时，系统会启用联网检索。确保配置了 TAVILY_API_KEY。操作方法：
- 在界面输入问题，如：“2025 年最新的 AI 技术是什么？”
- 系统通过 Tavily API 抓取网络信息，结合大模型生成答案。
- 结果会显示来源链接，便于验证信息。
Appel d'outil
Yuxi-Know 支持通过 API 调用外部工具，例如查询天气或执行脚本。操作步骤：
- existent src/static/models.yaml 中添加工具配置：
```
tools:
- name: weather
url: https://api.weather.com/v3
api_key: 你的密钥
```
- 在界面输入：“上海今天的天气如何？” 系统会调用工具并返回结果。

Fonction en vedette Fonctionnement

DeepSeek-R1 推理模型
DeepSeek-R1 是 Yuxi-Know 的亮点，适合复杂推理任务。操作方法：
- sécurisé DEEPSEEK_API_KEY peut-être SILICONFLOW_API_KEY 已配置。
- 在界面模型选择中切换到 deepseek-r1-250120.
- 输入问题，如：“一个苹果比橙子贵 2 元，三个苹果和两个橙子总价 16 元，橙子多少钱？” 系统会推理并回答：“橙子 2 元。”
- tranchant：能处理多步骤逻辑问题，答案更可靠。
Prise en charge de plusieurs modèles
系统支持切换多种模型，适配不同场景。操作方法：
- 在界面右上角下拉菜单选择模型，如 Qwen2.5-7B-Instruct（SiliconFlow）、gpt-4o（OpenAI）或 doubao-1-5-pro（豆包）。
- 每种模型有不同优势，例如豆包适合中文语义理解，OpenAI 适合复杂任务。
- 添加新模型: : Editorial src/static/models.yaml，添加供应商配置，例如：
```
zhipu:
name: 智谱清言
url: https://api.zhipuai.com/v1
default: glm-4-flash
env:
- ZHIPUAI_API_KEY
```
  重启服务后，新模型即可使用。
本地模型部署
若需使用本地模型（如 LLaMA），可通过 vLLM 或 Ollama 部署。操作步骤：
- 启动 vLLM 服务：
```
vllm serve /path/to/model --host 0.0.0.0 --port 8000
```
- 在界面“设置”中添加本地模型，输入 URL（如 http://localhost:8000/v1).
- 保存后，系统会优先使用本地模型，适合无网络环境。
向量模型配置
Utilisation par défaut BAAI/bge-m3 生成向量。若需更换，编辑 src/static/models.yaml: :
```
local/nomic-embed-text:
name: nomic-embed-text
dimension: 768
```
本地模型会自动下载，若下载失败，可通过 HF-Mirror 镜像站获取。

mise en garde

exigences en matière de réseau：联网检索和模型调用需稳定网络，建议检查 .env dans le fichier.
Neo4j 配置：若已有 Neo4j 服务，可修改 docker-compose.yml a fait mouche NEO4J_URI，避免重复部署。

镜像下载：若 Docker 镜像拉取失败，可使用 DaoCloud 镜像站：

docker pull m.daocloud.io/docker.io/library/neo4j:latest
docker tag m.daocloud.io/docker.io/library/neo4j:latest neo4j:latest

Vue du journal：若服务异常，查看容器日志：
```
docker logs api-dev
```

scénario d'application

Gestion des connaissances de l'entreprise
企业可将内部文档（如操作手册、技术规范）上传至知识库，或整理成知识图谱。员工通过 Yuxi-Know 查询问题，如“如何配置服务器？” 系统快速返回答案，减少培训时间。
Soutien à la recherche universitaire
研究者可上传论文或整理学科知识图谱。例如，构建化学分子关系图谱，查询“碳原子的化学键有哪些？” 系统结合图谱和文档返回详细答案，还能联网补充最新研究。
智能客服系统
商家可将产品信息和常见问题录入系统。客户提问“如何退货？”时，Yuxi-Know 从知识库提取答案，或联网查询最新政策，提供准确回复。

QA

如何上传知识库文件？
在界面导航到“知识库管理”，点击“上传”，选择 PDF、TXT、MD 或 Docx 文件。系统会自动处理并存储到 Milvus 数据库。
联网检索需要哪些配置？
doivent être à .env 文件中配置 TAVILY_API_KEY。若无密钥，可通过 SiliconFlow 或 Tavily 官网注册获取。
如何调试本地模型？
确保 vLLM 或 Ollama 服务监听 0.0.0.0，并在界面“设置”中添加正确 URL。启动后，通过 docker logs api-dev 检查连接状态。
知识图谱导入失败怎么办？
检查 JSONL 文件格式，确保每行包含 h,t,r 字段。上传后，重启 Neo4j 服务并确认节点包含 Entity Étiquettes.