Fast GraphRAG: 정확도가 높고 비용이 저렴한 그래픽 검색 향상 생성 도구

1.7K 00

일반 소개

Fast GraphRAG는 지식 그래프와 페이지랭크 알고리즘을 통해 효율적이고 정확한 검색 증강 생성(RAG)을 가능하게 하기 위해 Circlemind AI에서 개발한 오픈 소스 툴입니다. 이 도구는 사용자의 사용 시나리오, 데이터 및 쿼리 요구 사항에 지능적으로 적응하여 해석 가능하고 저렴하며 효율적인 검색 워크플로우를 제공하며, 상당한 리소스나 비용 없이 대규모로 실행되도록 설계되었고 실시간 데이터 업데이트와 동적 데이터 생성을 지원하므로 지식 관리 및 정보 검색이 필요한 다양한 도메인에 적합합니다.

Fast-GraphRAG를 사용하면 기존 0.48에 비해 거의 6배에 달하는 비용을 절감할 수 있습니다! 그리고 이러한 비용 효율성은 데이터 크기와 삽입 횟수가 증가함에 따라 더욱 증가합니다.

기능 목록

해석 및 디버깅 가능한 지식 그래프쿼리, 시각화 및 업데이트가 가능한 사람이 탐색할 수 있는 지식 보기를 제공합니다.
높은 효율성과 낮은 비용많은 리소스나 비용 없이 대규모 운영을 위해 설계되었습니다.
동적 데이터 생성도메인 및 온톨로지 요구 사항에 가장 적합한 맵을 자동으로 생성하고 최적화합니다.
증분 업데이트실시간 업데이트를 지원하여 데이터 변경에 따라 조정합니다.
지능형 탐색페이지랭크 알고리즘을 사용한 그래프 탐색으로 정확성과 신뢰성을 향상시킵니다.
비동기 및 유형 지원강력하고 예측 가능한 워크플로우를 보장하는 완전 비동기식 풀 타입 지원.

LightRAG, GraphRAG, VectorDB 비교하기

상담(문서 등)

# 쿼리	방법	모든 쿼리 %	멀티홉 전용 %
51
	VectorDB	0.49	0.32
	LightRAG	0.47	0.32
	GraphRAG	0.75	0.68
	서클마인드	0.96	0.95
101
	VectorDB	0.42	0.23
	LightRAG	0.45	0.28
	GraphRAG	0.73	0.64
	서클마인드	0.93	0.90

데이터 삽입

방법	시간(분)
VectorDB	~0.3
LightRAG	~25
GraphRAG	~40
서클마인드	~1.5

쿼리 테스트에서 Fast GraphRAG는 모든 쿼리와 멀티홉 쿼리에서 각각 96%와 95%의 높은 정확도를 달성하여 VectorDB에 비해 높은 성능을 보였습니다. RAG 거의 4배 가까이 높습니다.

또한, 데이터 세트의 벤치마크 테스트(약 800개 블록)에 대한 삽입 시간을 측정한 결과, Fast GraphRAG의 삽입 시간은 약 1.5분으로 GraphRAG보다 27배 더 빨랐으며 검색 정확도는 401 TP3T 이상 향상되었습니다.

도움말 사용

설치 프로세스

소스에서 설치(최상의 성능을 위해 권장)::

   # 克隆此仓库
git clone https://github.com/circlemind-ai/fast-graphrag
cd fast-graphrag
poetry install

PyPi에서 설치(안정성 권장)::

   pip install fast-graphrag

빠른 시작

OpenAI API 키를 설정합니다:

   export OPENAI_API_KEY="sk-..."

크리스마스 캐럴의 텍스트를 다운로드하세요:

   curl https://raw.githubusercontent.com/circlemind-ai/fast-graphrag/refs/heads/main/mock_data.txt > ./book.txt

선택 사항: 동시 요청 제한을 설정합니다:

   export CONCURRENT_TASK_LIMIT=8

다음 Python 코드 스니펫을 사용합니다:

   from fast_graphrag import GraphRAG
DOMAIN = "Analyze this story and identify the characters. Focus on how they interact with each other, the locations they explore, and their relationships."
EXAMPLE_QUERIES = [
"Who are the main characters?",
"What locations are mentioned?",
"How do the characters interact?"
]
grag = GraphRAG(
domain=DOMAIN,
example_queries=EXAMPLE_QUERIES,
config=GraphRAG.Config(
llm_service=OpenAILLMService(
model="your-llm-model",
base_url="llm.api.url.com",
api_key="your-api-key",
mode=instructor.Mode.JSON,
api_version="your-llm-api_version",
client="openai or azure"
),
embedding_service=OpenAIEmbeddingService(
model="your-embedding-model",
base_url="emb.api.url.com",
api_key="your-api-key",
embedding_dim=512,
api_version="your-llm-api_version",
client="openai or azure"
),
),
)

주요 기능

지식 그래프 생성도메인 및 예제 쿼리를 정의하면 GraphRAG가 사용자의 필요에 맞는 지식 그래프를 자동으로 생성합니다.
쿼리 및 비주얼리제이션생성된 지식 그래프를 사용하여 쿼리하고 시각화 도구를 통해 결과를 확인합니다.
실시간 업데이트: 데이터가 변경되면 GraphRAG는 지식 그래프의 실시간 업데이트를 지원하여 정보가 최신의 정확한 상태로 유지되도록 합니다.
지능형 탐색GraphRAG는 PageRank 알고리즘을 사용하여 지식 그래프를 지능적으로 탐색하여 검색 정확도와 신뢰성을 향상시킬 수 있습니다.