KAG：国产开源 AI 知识库框架深度解析与安装教程-首席AI分享圈

最近，我发现了一款令人眼前一亮的国产开源AI知识库框架：KAG (Knowledge Augmented Generation) 知识增强生成。

KAG 由蚂蚁集团、浙江大学等多家机构联合推出，专注于构建垂直领域的知识库。论文数据显示，KAG 在电子政务领域达到了 91.6% 的惊人准确率，在电子医疗问答等场景中也表现卓越。

本文将带你深入了解 KAG 的原理、应用场景，对比 RAG 的优劣势，并提供 "喂饭级" 的本地安装使用教程和效果演示，让你沉浸式体验这款由蚂蚁开源的 KAG 框架。如果你正计划使用 AI 构建专属知识库，那么这篇文章绝对不容错过！

什么是KAG？新一代知识库框架的核心概念

KAG (Knowledge Augmented Generation) 是一款基于 OpenSPG 引擎和大型语言模型 (LLM) 的推理问答框架。它的核心理念在于融合知识图谱和向量检索的双重优势，旨在为用户提供更严谨的决策支持和更精准的信息检索服务。

KAG 通过以下四个关键技术来实现 LLM 和知识图谱的深度融合与增强：

对 LLM 友好的知识表示：优化知识图谱的结构，使其更易于被大型语言模型理解和利用。
知识图谱与原文片段之间的互索引：建立知识图谱中的实体、关系与原始文本片段的双向链接，提升检索效率和准确性。
逻辑形式引导的混合推理引擎：结合知识图谱的逻辑推理能力和 LLM 的语义理解能力，实现更复杂的推理问答。
与语义推理的知识对齐：确保知识图谱中的知识与语言模型的语义空间对齐，提升知识利用的有效性。

简单来说，KAG 创新性地融合了知识图谱和向量检索的优势，构建出强大的知识库框架。它不仅能利用 LLM 的逻辑推理能力，还能结合知识图谱进行深层推理，完成复杂的信息检索任务。更重要的是，当知识图谱信息不足时，KAG 还能巧妙地利用向量检索技术，补充相关的文本片段，确保答案的全面性和准确性。

KAG 整体架构概览

KAG 框架主要由两大核心模块构成：知识构建 (kg-builder) 和问题求解 (kg-solver)。

kg-builder 模块专注于知识的高效构建，针对 LLM 优化了知识表示方式，支持灵活的知识建模和双向索引的建立。
kg-solver 模块则负责问题的高效求解，通过集成了检索、图谱推理、语言推理和数值计算等多种能力的混合推理引擎，实现复杂问题的解答。
值得期待的是，第三个模块 kag-model 也将在后续开源，进一步完善 KAG 框架的功能。

KAG对比传统RAG：差异与优势解析

RAG (Retrieval-Augmented Generation) 作为一种常见的知识库技术，已被广泛应用。那么，KAG 相比于 RAG，有哪些差异和优势呢？我们通过以下几个维度进行对比分析：

1. 知识表示：

RAG: 主要依赖向量相似度进行检索，知识表示相对简单，难以处理需要多跳推理的复杂问题。
KAG: 采用对 LLM 更友好的知识表示方法，兼容无模式和有模式约束的知识，支持图结构知识与文本知识的互索引结构，知识表示更加丰富和结构化。

2. 推理能力：

RAG: 对知识的逻辑关系不敏感，缺乏逻辑推理能力，难以应对需要复杂推理的专业领域问题。
KAG: 引入了逻辑符号引导的混合推理引擎，具备强大的逻辑推理能力和多跳事实问答能力，能够处理更复杂的专业问题。

3. 性能表现：

RAG: 在多跳任务和跨段落任务中表现不佳，生成文本的连贯性和逻辑性相对较弱。
KAG: 在多跳任务和跨段落任务中表现出色，能够显著提升推理准确性和信息覆盖度，生成答案更准确、更全面。

4. 适用场景：

RAG: 更适用于一般的文本生成和检索任务，但在法律、医学、科学等需要复杂推理的专业领域，表现会受到限制。
KAG: 特别适用于需要复杂推理和多跳事实问答的 专业领域，例如金融、医疗、法律、政务等，能够提供更专业、更精准的知识服务。

总而言之，KAG 通过融合知识图谱和向量检索，并在知识表示和推理能力上进行了深度优化，使其在处理复杂问题和专业领域知识问答方面，展现出超越传统 RAG 技术的潜力。

本地部署“喂饭级”教程：KAG安装、使用、效果演示

理论分析终究需要实践检验！接下来，我将手把手教你如何在本地安装、部署和使用 KAG，并进行简单的效果演示。

KAG 相关资源：

Github 地址:https://github.com/OpenSPG/KAG
官方网站:https://spg.openkg.cn/

硬件配置建议：

CPU ≥ 8 核
内存 RAM ≥ 32 GB
硬盘 Disk ≥ 100 GB

官方推荐配置较高，但根据我的实际测试，在 16GB 内存的 Windows 电脑上也能基本流畅运行。因此，本教程将在 Windows 环境下进行 KAG 的安装和使用演示。

第一步：安装 Docker Desktop

KAG 的安装部署依赖于 Docker 环境，请确保你的电脑已安装 Docker Desktop。

第二步：创建 docker-compose.yml 文件

在 D 盘（或其他磁盘）根目录下创建一个名为 KAG 的文件夹。
在 KAG 文件夹内，新建一个名为 docker-compose.yml 的文件。
将以下 YAML 代码复制粘贴到 docker-compose.yml 文件中并保存。

version: "3.7"
services:
server:
restart: always
image: spg-registry.cn-hangzhou.cr.aliyuncs.com/spg/openspg-server:latest
container_name: release-openspg-server
ports:
- "8887:8887"
depends_on:
- mysql
- neo4j
- minio
# volumes:
# - /etc/localtime:/etc/localtime:ro
environment:
TZ: Asia/Shanghai
LANG: C.UTF-8
command: [
"java",
"-Dfile.encoding=UTF-8",
"-Xms2048m",
"-Xmx8192m",
"-jar",
"arks-sofaboot-0.0.1-SNAPSHOT-executable.jar",
'--server.repository.impl.jdbc.host=mysql',
'--server.repository.impl.jdbc.password=openspg',
'--builder.model.execute.num=5',
'--cloudext.graphstore.url=neo4j://release-openspg-neo4j:7687?user=neo4j&password=neo4j@openspg&database=neo4j',
'--cloudext.searchengine.url=neo4j://release-openspg-neo4j:7687?user=neo4j&password=neo4j@openspg&database=neo4j'
]
mysql:
restart: always
image: spg-registry.cn-hangzhou.cr.aliyuncs.com/spg/openspg-mysql:latest
container_name: release-openspg-mysql
volumes:
- mysql_data:/var/lib/mysql
environment:
TZ: Asia/Shanghai
LANG: C.UTF-8
MYSQL_ROOT_PASSWORD: openspg
MYSQL_DATABASE: openspg
ports:
- "3306:3306"
command: [
'--character-set-server=utf8mb4',
'--collation-server=utf8mb4_general_ci'
]
neo4j:
restart: always
image: spg-registry.cn-hangzhou.cr.aliyuncs.com/spg/openspg-neo4j:latest
container_name: release-openspg-neo4j
ports:
- "7474:7474"
- "7687:7687"
environment:
- TZ=Asia/Shanghai
- NEO4J_AUTH=neo4j/neo4j@openspg
- NEO4J_PLUGINS=["apoc"]
- NEO4J_server_memory_heap_initial__size=1G
- NEO4J_server_memory_heap_max__size=4G
- NEO4J_server_memory_pagecache_size=1G
- NEO4J_apoc_export_file_enabled=true
- NEO4J_apoc_import_file_enabled=true
- NEO4J_dbms_security_procedures_unrestricted=*
- NEO4J_dbms_security_procedures_allowlist=*
volumes:
- neo4j_logs:/logs
- neo4j_data:/data
minio:
image: spg-registry.cn-hangzhou.cr.aliyuncs.com/spg/openspg-minio:latest
container_name: release-openspg-minio
command: server --console-address ":9001" /data
restart: always
environment:
MINIO_ACCESS_KEY: minio
MINIO_SECRET_KEY: minio@openspg
TZ: Asia/Shanghai
ports:
- 9000:9000
- 9001:9001
volumes:
- minio_data:/data
volumes:
mysql_data:
neo4j_logs:
neo4j_data:
minio_data:

第三步：启动 KAG 服务

打开命令提示符，切换到 KAG 文件夹目录 (在 KAG 文件夹地址栏输入 cmd 回车)。

在命令行中输入 docker-compose up -d 并回车，开始自动安装和部署 KAG。

等待一段时间，当看到 mysql, neo4j, openspg-server, minio 四个服务都显示 Created 或 Started 状态时，表示 KAG 服务已成功启动。

第四步：访问 KAG 后台管理页面

打开浏览器，输入地址 127.0.0.1:8887，即可访问 KAG 后台操作页面。
使用默认用户名 openspg 和默认密码 openspg@kag 登录系统。

第五步：配置 KAG 系统

登录后，首先点击全局配置菜单。

通用配置：进行以下配置
- 图存储配置
- database：neo4j
- password：neo4j@openspg
- uri：neo4j://release-openspg-neo4j:7687
- user：neo4j
- 提示词中英文配置
  - biz_scene：default
  - language：zh
- 向量配置 (使用免费的向量模型 API)
  - type：openai
  - model：BAAI/bge-large-zh-v1.5
  - base_url：https://api.siliconflow.cn/v1
  - api_key：前往硅基流动平台获取免费 API Key。