介绍

目前DB-GPT知识库提供了文档上传 -> 解析 -> 切片 -> Embedding -> 知识图谱三元组抽取 -> 向量数据库存储 -> 图数据库存储等知识加工的能力，但是不具备对文档进行复杂的信息抽取能力，包括同时对文档块进行向量抽取和知识图谱抽取，混合知识加工模版通过定义复杂的知识处理工作流，同时支持对文档的向量抽取，关键词抽取和知识图谱抽取。

适用场景

• 不仅限于传统的，单一的知识加工流程(仅Embedding加工或者知识图谱抽取加工)，知识加工workflow实现同时进行Embedding，知识图谱抽取，作为混合知识召回检索数据储备。
• 用户可以根据自身业务场景，对已有的知识加工流程进行裁剪和新增。

如何使用

• 进入AWEL界面并新增工作流

• 导入知识加工模版

• 调整参数并保存

- `文档知识加载算子`: 知识加载工厂，通过加载指定的文档类型，找到对应的文档处理器进行文档内容解析。
- `文档Chunk切片算子`：将加载好的文档内容按照指定的切片参数进行切片处理。
- `知识加工处理分支算子`：可以连接不同的知识加工流程，包括知识图谱加工流程，向量加工流程，关键词加工流程。
- `向量存储加工算子`：可以连接不同的向量数据库进行向量存储，同时也可以连接不同的Embedding模型和服务进行向量抽取。
- `知识图谱加工算子`：可以连接不同的知识图谱加工算子，包括原生知识图谱加工算子，社区总结知识图谱加工算子等，同时可以指定不同的图数据库进行存储，目前支持TuGraph数据库。
    * <font style="color:#DF2A3F;">注意：</font>需要先安装图数据库环境 参考:[Graph RAG User Manual | DB-GPT](http://docs.dbgpt.cn/docs/cookbook/rag/graph_rag_app_develop)
- `结果聚合算子`：将向量抽取结果和知识图谱抽取结果进行汇总处理。

• 注册发布为http请求

curl --location --request POST 'http://localhost:5670/api/v1/awel/trigger/rag/knowledge/hybrid/process' \
--header 'Content-Type: application/json' \
--data-raw '{}'

[
    "async persist vector store success 9 chunks.",
    "async persist graph store success 9 chunks."
]