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

はじめに

Knowledge Graph Studio (KGS)は、RAGネイティブなナレッジグラフの作成・管理プロセスを簡素化するために設計されたオープンソースプラットフォームです。このプラットフォームは、ルールベースのエンティティ解析、モジュール式のグラフ構築、柔軟なデータ取り込み、APIファーストの設計を提供し、SDKを介して開発者をサポートします。構造化データ、非構造化データを問わず、Knowledge Graph Studioは実験的アプリケーションや大規模アプリケーション向けにスケーラブルで柔軟なソリューションを提供します。NoSQLデータベース上に構築されたこのプラットフォームは、高速なデータ検索と複雑な関係の容易なトラバースをサポートし、データベースに依存しないソリューションとなることを目指しています。

機能一覧

• ルールベースの実体解決
• モジュラー・マッピング
• 柔軟なデータ取り込み
• SDKをサポートするAPIファースト設計
• 構造化データおよび非構造化データのサポート
• スケーラブルで柔軟なソリューション
• 高速データ検索と複雑なリレーショナル・トラバーサル
• 複数のデータベースをサポート

ヘルプの使用

設置プロセス

1. クローン倉庫

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

2. 依存関係をインストールします：

   pip install .

3. デベロッパーのインストール：

   pip install -e .[dev,docs］

クイックスタート

1. 準備だ：
   • OpenAI APIキー
   • MongoDBアカウント
   • MongoDBアトラスでプロジェクトとクラスタを作成する
2. 環境変数を設定する：

   cp .env.sample .env

更新環境ファイル内の値：

   WHYHOW__EMBEDDING__OPENAI__API_KEY=となります。
WHYHOW__GENERATIVE__OPENAI__API_KEY=となります。
WHYHOW__MONGODB__USERNAME= です。
WHYHOW__MONGODB__PASSWORD=。
WHYHOW__MONGODB__DATABASE_NAME=メイン
WHYHOW__MONGODB__HOST= です。

3. データベースとコレクションの作成

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

4. ユーザーとAPIキーを作成します：

   python admin.py create-user --email  --openai-key <あなたのOpenAI APIキー

5. APIサーバーを起動する：

   uvicorn src.whyhow_api.main:app

SDKの使用

1. Python SDKをインストールします：

   pip install whyhow

2. WhyHowクライアントを設定します：

   from whyhow import WhyHow
client = WhyHow(api_key='', base_url="http://localhost:8000")

3. ワークスペースとマップの作成

   ワークスペース = client.workspaces.create(name="Demo Workspace")
チャンク = client.chunks.create(workspace_id=workspace.workspace_id, chunks=[Chunk(content="Example Content")])
triple = [triple(head=Node(name="example node", label="example label"), relation=Relation(name="example relation"), tail=Node(name="example tail node", label="example tail label"), chunk_ids= [c.chunk_id for c in chunk])] 。
グラフ = client.graphs.create_graph_from_triples(name="Demo Graph", workspace_id=workspace.workspace_id, triples=triples)

4. クエリ・マッピング：

   query = client.graphs.query_unstructured(graph_id=graph.graph_id, query="example query")

Dockerの使用

1. 鏡像を作る：

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

2. イメージを実行する：

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

AIを始めるための素人ガイド

AIツールの活用方法を、低コスト・ゼロベースから学ぶことができます。AIはオフィスソフトと同様、誰にとっても必須のスキルです。 AIをマスターすれば、就職活動で有利になり、今後の仕事や勉強の労力も半減します。

詳細を見る