GraphRAG

DB-GPT``v0.6.0 联合TuGraph 社区和AntV社区共同发布了GraphRAG社区总结能力。

“讲了个啥？”，“DB-GPT社区和TuGraph社区在社区贡献，社区生态，开发者的这几个方面的联系和区别分别是什么” 这类概括性，多主题总结性问题时，传统Native RAG可能无法解决。因为这是一个聚焦于查询的总结性QFS检索(Query-Focused Summarization)，而不是一个直接明确的向量/关键词检索。

大致原理是通过大模型进行三元组抽取，并且利用社区检测算法（Leiden算法）将整个知识内容图节点划分模块化的社区，然后通过大模型对社区进行摘要总结，实现QFS，具体原理后面会有剖析。

基于上述设计，我们采用了TuGraph社区提供的开源知识图谱语料（OSGraph）以及DB-GPT和TuGraph的产品介绍材料（共计约43k tokens），并与Microsoft的GraphRAG系统做了对比测试，最终DB-GPT仅消耗了相比50%的token开销，便生成了同等规模的知识图谱。并且在问答测试质量相当的前提下，全局搜索性能有明显提升。

安装教程

1. 安装TuGraph环境

docker run -d -p 7070:7070  -p 7687:7687 --name tugraph tugraph/tugraph-runtime-centos7:latest lgraph_server -d run --enable_plugin true

1. 安装相关依赖

pip install "neo4j>=5.20.0"
pip install dbgpt-tugraph-plugins==0.1.0rc1 -U -i https://pypi.org/simple

3.在.env里面进行设置

TUGRAPH_HOST=127.0.0.1
TUGRAPH_PORT=7687
TUGRAPH_USERNAME=admin
TUGRAPH_PASSWORD={your_password}
#开启图社区总结能力
GRAPH_COMMUNITY_SUMMARY_ENABLED=True

4.启动dbgpt_server

如何使用

1. 新建KnowledgeGraph知识库

2.上传文档然后切片处理

3.构建成功后，查看图谱

4.进行对话