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

综合介绍

知识图谱工作室（Knowledge Graph Studio）是一个开源平台，旨在简化创建和管理RAG-native知识图谱的过程。该平台提供了基于规则的实体解析、模块化图谱构建、灵活的数据摄取以及API优先设计等功能，支持开发者通过SDK进行操作。无论是处理结构化数据还是非结构化数据，知识图谱工作室都能为用户提供可扩展且灵活的解决方案，适用于实验和大规模应用。平台基于NoSQL数据库构建，支持快速数据检索和复杂关系的轻松遍历，致力于成为数据库无关的解决方案。

功能列表

• 基于规则的实体解析
• 模块化图谱构建
• 灵活的数据摄取
• API优先设计，支持SDK
• 支持结构化和非结构化数据
• 可扩展且灵活的解决方案
• 快速数据检索和复杂关系遍历
• 支持多种数据库

使用帮助

安装流程

1. 克隆仓库：

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

2. 安装依赖：

   pip install .

3. 开发者安装：

   pip install -e .[dev,docs]

快速开始

1. 准备工作：
   • OpenAI API密钥
   • MongoDB账户
   • 在MongoDB Atlas中创建项目和集群
2. 配置环境变量：

   cp .env.sample .env

更新.env文件中的值：

   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. 创建数据库和集合：

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

4. 创建用户和API密钥：

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

5. 启动API服务器：

   uvicorn src.whyhow_api.main:app

使用SDK

1. 安装Python SDK：

   pip install whyhow

2. 配置WhyHow客户端：

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

3. 创建工作区和图谱：

   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. 查询图谱：

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

使用Docker

1. 构建镜像：

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

2. 运行镜像：

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