Aprendizagem pessoal com IA
e orientação prática

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.

WhyHow (Knowledge Graph Studio): plataforma de código aberto para criar e gerenciar gráficos de conhecimento, suporte nativo a aplicativos RAG-1


 

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
  1. Instale a dependência:
   pip install .
  1. 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=
WHYHOW__GENERATIVE__OPENAI__API_KEY=
WHYHOW__MONGODB__USERNAME=
WHYHOW__MONGODB__PASSWORD=
WHYHOW__MONGODB__DATABASE_NAME=main
WHYHOW__MONGODB__HOST=
  1. Criar bancos de dados e coleções:
   cd src/whyhow_api/cli/
python admin.py setup-collections --config-file collection_index_config.json
  1. Crie usuários e chaves de API:
   python admin.py create-user --email  --openai-key
  1. Inicie o servidor de API:
   uvicorn src.whyhow_api.main:app

Usando o SDK

  1. Instale o Python SDK:
   pip install whyhow
  1. Configurar o cliente WhyHow:
   from whyhow import WhyHow
cliente = WhyHow(api_key='', base_url="http://localhost:8000")
  1. 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="Example Content")])
triples = [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])]
graph = client.graphs.create_graph_from_triples(name="Demo Graph", workspace_id=workspace.workspace_id, triples=triples)
  1. Mapeamento de consultas:
   query = client.graphs.query_unstructured(graph_id=graph.graph_id, query="example query")

Usando o Docker

  1. Construa a imagem espelhada:
   docker build --platform=linux/amd64 -t kg_engine:v1 .
  1. Execute a imagem:
   docker run -it --rm -p 1234:8000 kg_engine:v1
Aprendizagem fácil com IA

O guia do leigo para começar a usar a IA

Ajuda você a aprender a utilizar as ferramentas de IA com baixo custo e a partir de uma base zero.A IA, assim como o software de escritório, é uma habilidade essencial para todos. Dominar a IA lhe dará uma vantagem em sua busca de emprego e metade do esforço em seu trabalho e estudos futuros.

Ver detalhes>
Não pode ser reproduzido sem permissão:Chefe do Círculo de Compartilhamento de IA " Knowledge Graph Studio (WhyHow): plataforma de código aberto para criar e gerenciar gráficos de conhecimento, com suporte nativo para aplicativos RAG

Chefe do Círculo de Compartilhamento de IA

O Chief AI Sharing Circle se concentra no aprendizado de IA, fornecendo conteúdo abrangente de aprendizado de IA, ferramentas de IA e orientação prática. Nosso objetivo é ajudar os usuários a dominar a tecnologia de IA e explorar juntos o potencial ilimitado da IA por meio de conteúdo de alta qualidade e compartilhamento de experiências práticas. Seja você um iniciante em IA ou um especialista sênior, este é o lugar ideal para adquirir conhecimento, aprimorar suas habilidades e realizar inovações.

Entre em contato conosco
pt_BRPortuguês do Brasil