GraphRAG项目雨后春笋般涌现！_llm-graph-builder

近期RAG这块比较火热的方向当属GraphRAG，微软GraphRAG项目自2024.7.3日开源以来，两周内，收获10.9k星星，可见其火热，同时，它既不是第一个也不会是最后一个开源的GrapRAG项目：

• 2024.3.15日LangChain发布Graph RAG实战教程

https://www.llamaindex.ai/blog/introducing-the-property-graph-index-a-powerful-new-way-to-build-knowledge-graphs-with-llms

• 2024.6.24日蚂蚁首个开源Graph RAG框架

蚂蚁首个对外开源的Graph RAG框架采用全自主的开源产品：DB-GPT（RAG的AI工程框架）+ OpenSPG（知识图谱系统）+ TuGraph（图存储系统）。

• 2024.7.9日LlamaIndex发文介绍了Property Graphs，属性图索引通过使用标签属性图表示，解决了传统知识图谱无法为节点和关系分配标签和属性，无法将文本节点表示为向量嵌入，无法进行向量和符号检索的问题，提供了更丰富的建模、存储和查询能力。

• 2024.7.11日Neo4j CEO发表GraphRAG长篇科普长文：GraphRAG宣言。

随后Neo4j于13日开源了基于LLM提取知识图谱的生成器：llm-graph-builder

github：https://github.com/neo4j-labs/llm-graph-builder

• 2024.7.14日开源项目Camel宣布在其框架中引入Graph RAG Agent！目前并开源了知识图谱抽取的 Prompt，组合使用UnstructuredIO和neo4j实现节点和关系抽取。

教程：https://colab.research.google.com/drive/1IyttIWlsJKGWtWpc-QXDGbVok8fbud_j

• 2024.7.14日LlamaIndex中初步实现了微软GraphRAG的一些模块：图形生成，构建图形和社区摘要；基于社区的检索，使用社区摘要并汇总中间答案。

对于Graph与LLM结合的方式，一种类似于传统KBQA那种，还有一种就是当前比较流行的方式社区挖掘+LLM。

对于第二种方式，PaperAgent专栏以微软GraphRAG项目为例进行了详细的实战讲解，部分效果图如下：

打印图谱：

[['阿根廷', '队员', '梅西', '梅西是阿根廷球队队员'],` `['阿根廷', '赛事结果', '哥伦比亚', '阿根廷击败哥伦比亚赢得美洲杯'],` `['阿根廷', '队员', '劳塔罗马丁内斯', '劳塔罗马丁内斯帮助阿根廷获胜'],` `['阿根廷', '获得者', '美洲杯冠军奖杯', '阿根廷赢得2022年美洲杯冠军'],` `['球迷的不守规矩行为', '后果', '被驱逐出场或逮捕', '违规行为的处理'],``...``   
1

打印社区摘要：

print(community_summary)``   ``{0: '当球迷参与不守规矩的行为时，可能会面临严重的后果，主要包括被赛事组织者驱逐出场，或者由警方介入导致被捕。这种处理方式旨在维护比赛秩序，对违规行为进行有效管控。',` `1: '1. 罗伯托·加纳乔对南美足联的评价表现出深深的失望，主要由于他们对球员家属的不公待遇。\n2. 南美足联的行为引发了罗伯托·加纳乔的负面情绪，他对此感到失望，这起因于他们对待球员家庭的不当行为。',` `2: '1. BBA在中国汽车市场面临来自多个竞争者的挑战，如宾利和劳斯莱斯，它们都与BBA处于同一级别的竞争中。\n2. 宾利和劳斯莱斯都是BBA在中国市场的主要竞争对手，表明豪华车市场的竞争激烈。\n3. BBA不仅在中国市场参与竞争，还直接与像宾利和劳斯莱斯这样的高端品牌进行同级别较量。',` `3: '1. 阿根廷在美洲杯比赛中对阵哥伦比亚，最终取得胜利，赢得冠军。\n2. 阿根廷与哥伦比亚在美洲杯决赛中对决，阿根廷成功击败对手。\n3. 阿根廷对阵哥伦比亚，赛事结果显示阿根廷赢得了美洲杯。\n4. 在美洲杯的较量中，阿根廷作为对手对阵哥伦比亚，并获得了胜利。',` `4: '"阿根廷队赢得两次冠军奖杯，分别是作为获得者在美洲杯赛事中荣获冠军。"',` `5: '1. 梅西作为队员关联于阿根廷，表明他是阿根廷国家队的一员。\n2. 同样地，梅西也被确认为阿根廷球队的队员。'}``   
1

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】