Knowledge Graph Studio (WhyHow): plataforma de código aberto para criar e gerenciar gráficos de conhecimento, com suporte nativo para aplicativos RAG

Introdução geral

O Knowledge Graph Studio (KGS) é uma plataforma de código aberto projetada para simplificar o processo de criação e gerenciamento de gráficos de conhecimento nativos do RAG. A plataforma oferece análise de entidades com base em regras, construção de gráficos modulares, ingestão flexível de dados e design que prioriza a API para dar suporte aos desenvolvedores por meio de um SDK. Seja lidando com dados estruturados ou não estruturados, o Knowledge Graph Studio oferece aos usuários soluções dimensionáveis e flexíveis para aplicativos experimentais e de grande escala. Criada com base em um banco de dados NoSQL, a plataforma oferece suporte à recuperação rápida de dados e à fácil passagem por relacionamentos complexos, e tem o compromisso de se tornar uma solução independente de banco de dados.

Lista de funções

• Resolução de entidades baseada em regras
• Construção de mapeamento modular
• Ingestão flexível de dados
• Design que prioriza a API com suporte a SDK
• Suporte para dados estruturados e não estruturados
• Soluções escaláveis e flexíveis
• Recuperação rápida de dados e passagem relacional complexa
• Suporte a vários bancos de dados

Usando a Ajuda

Processo de instalação

1. Armazém de Clonagem:

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

2. Instale a dependência:

   pip install .

3. Instalação do desenvolvedor:

   pip install -e .[dev,docs]

Início rápido

1. Preparação:
   • Chave da API da OpenAI
   • Conta MongoDB
   • Criação de projetos e clusters no MongoDB Atlas
2. Configurar variáveis de ambiente:

   cp .env.sample .env

atualização.envvalores no arquivo:

   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. Criar bancos de dados e coleções:

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

4. Crie usuários e chaves de API:

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

5. Inicie o servidor de API:

   uvicorn src.whyhow_api.main:app

Usando o SDK

1. Instale o Python SDK:

   pip install whyhow

2. Configurar o cliente WhyHow:

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

3. Criar espaços de trabalho e mapas:

   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. Mapeamento de consultas:

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

Usando o Docker

1. Construa a imagem espelhada:

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

2. Execute a imagem:

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