语析 - 基于大模型的知识库与知识图谱问答系统使用教程

语析 - 基于大模型的知识库与知识图谱问答系统使用教程

Yuxi-Know 基于大模型 RAG 知识库与知识图谱的问答平台。Llamaindex + VueJS + Flask + Neo4j。大模型适配 OpenAI、国内主流大模型平台的模型调用、本地 vllm 部署。 项目地址: https://gitcode.com/gh_mirrors/yu/Yuxi-Know

1. 项目介绍

语析是一款结合了大模型 RAG 知识库与知识图谱技术的问答平台，基于 Llamaindex + VueJS + FastAPI + Neo4j 构建。它具备以下核心特点：

• 多模型支持：适配 OpenAI、国内主流大模型平台，以及本地 vllm、ollama 部署。
• 灵活知识库：支持 PDF、TXT、MD 等多种格式文档。
• 知识图谱集成：基于 Neo4j 的知识图谱问答能力。
• 简单配置：只需配置对应服务平台的 API_KEY 即可使用。
• 智能体拓展：可以编写自己的智能体代码（开发过程，非正式版）。

2. 项目快速启动

在启动前，您需要提供 API 服务商的 API_KEY，并放置在 src/.env 文件中（此文件项目中没有，需要自行参考 src/.env.template 创建）。以下是开发环境启动的步骤：

docker compose -f docker/docker-compose.dev.yml --env-file src/.env up --build

如果您希望在后台运行，可以添加 -d 参数。

对于生产环境部署，请使用以下命令：

docker compose -f docker/docker-compose.yml --env-file src/.env up --build -d

成功启动后，您可以通过访问 http://localhost:5173/ 来使用系统。

3. 应用案例和最佳实践

知识库管理

• 支持多种文档格式的上传，包括 PDF、TXT、MD、Docx 等。
• 系统会自动将上传的文件转换为纯文本，并使用向量模型将文本转换为向量，然后存储到向量数据库中。

知识图谱集成

• 使用 Neo4j 作为知识图谱存储。
• 将图谱整理成 jsonl 格式，每行格式为 {"h": "实体1", "t": "实体2", "r": "关系"}。
• 在网页的图谱管理中添加此文件。

模型支持

• 项目支持通过 API 调用的模型，本地模型需使用 vllm、ollama 转成 API 服务后使用。
• 可以在 src/static/models.yaml 中添加或配置新的模型供应商。

4. 典型生态项目

目前，语析支持与以下典型生态项目集成：

• 向量模型与重排序模型：推荐使用硅基流动部署的 bge-m3（免费且无需修改）。
• 本地模型部署：支持添加以 OpenAI 兼容模式运行的本地模型，如 vllm 和 Ollama。
• 知识图谱存储：使用 Neo4j 作为存储，支持自定义和导入知识图谱。

通过上述教程，您应该能够快速上手并使用语析项目，构建自己的知识库与知识图谱问答系统。

Yuxi-Know 基于大模型 RAG 知识库与知识图谱的问答平台。Llamaindex + VueJS + Flask + Neo4j。大模型适配 OpenAI、国内主流大模型平台的模型调用、本地 vllm 部署。 项目地址: https://gitcode.com/gh_mirrors/yu/Yuxi-Know