麦麦大数据

文本相似度推荐DEMO

本文介绍了从零开始搭建基于LightRAG的新生校园问答系统的过程。首先需要从GitHub下载港大开源的LightRAG项目（一个轻量级的GraphRAG实现），并创建项目工程。准备PDF文档作为RAG数据源后，编写索引脚本index.py进行配置，包括设置日志系统、定义LLM模型函数和嵌入函数。脚本中需要配置OpenAI API参数和工作目录，最终通过LightRAG类初始化实现问答系统的索引构建。整个过程突出了LightRAG的简单快速特性，适合构建校园百事通类问答系统。

本文介绍了如何从零开始构建一个基于LightRAG的红楼梦问答项目。首先在GitHub获取LightRAG源码并配置环境，然后通过测试脚本处理文本数据并构建索引。文章展示了不同检索模式(local/global/hybrid/naive)的查询效果，并提供了处理PDF/DOCX格式文件的方法。同时分析了图谱抽取效果，指出当前版本在节点关系抽取方面的不足。最后提到项目使用了本地部署的大模型和第三方嵌入模型，并说明新版LightRAG已有改进，后续将重新测试。全文提供了完整的代码实现和效果展示。

本文总结了构建基于GraphRAG的红楼梦项目时遇到的三个主要问题及解决方案：1) JSON解析错误，通过添加预处理方法解决非标准JSON格式问题；2) 索引构建错误，修正提示词文件格式；3) KeyError标题错误，建议更换OpenAI模型或测试其他兼容模型。文章还提供了优快云官方学长的联系方式，并欢迎关注B站获取更多教程。

本文介绍了如何基于GraphRAG技术构建红楼梦知识问答系统。内容包括：1）搭建FastAPI后端服务，配置GraphRAG相关导入和参数；2）实现全局/本地搜索接口，支持流式响应；3）提供测试脚本验证问答效果。文章展示了完整的代码实现，包括模型配置、API接口开发及测试方法，并附有运行效果截图。该系统能够回答关于红楼梦人物关系、主题分析等问题。

上节我们已经完成了GraphRAG红楼梦知识图谱问答的初步工作，最后也可以通过GraphRAG提供的工具进行问题，这一节不着急继续往后面做，而是对上节的一些细节进行进一步的说明。

本文介绍了一个基于GraphRAG的红楼梦知识图谱问答系统构建项目。项目采用Python 3.12环境，使用Qwen3-32B和BAAI/bge-m3模型。文章对比了传统RAG与GraphRAG的差异，详细说明了环境搭建步骤，包括创建虚拟环境、安装依赖、配置文件和数据集准备。重点介绍了GraphRAG的初始化流程和配置文件修改方法，为构建红楼梦知识图谱问答系统提供了完整的技术方案和实施路径。最后提供了优快云官方学长的联系方式供进一步交流。

One-API是一个开源项目，提供统一接口访问OpenAI API服务。文章介绍了其关键功能：统一接口、简化认证、增强功能等。详细讲解了下载（v0.6.10版本）、启动步骤（包括MacOS权限设置）和配置方法。演示了如何添加硅基流动渠道、测试连接、创建API令牌，并最终通过CherryStudio成功测试使用。最后展示了One-API的计费信息界面，验证了服务的正常运行。该工具简化了AI功能集成，使开发者能更便捷地调用大模型服务。

摘要：本文介绍了MySQL MCP服务端的开发过程，主要内容包括创建server.py文件，配置数据库连接，实现资源列表查询、表数据读取以及SQL工具执行等功能。代码通过环境变量获取数据库配置，使用mysql.connector进行数据库操作，并提供了日志记录和错误处理机制。文章结尾提供了优快云官方学长联系方式名片和B站关注提示。

本文介绍了使用Python模拟生成教学管理数据库的方法。首先在MySQL中创建了mcp数据库，包含teacher(教师)和student(学生)两张表。然后通过Python脚本，利用Faker库随机生成50条教师数据和1000条学生数据，包括姓名、性别、学院、年龄等字段，并考虑了数据的合理性和唯一性约束。教师数据包含教工号、所属学院等信息，学生数据还包括年级、专业、班级和籍贯等详细信息。最后通过pymysql将生成的数据批量插入到MySQL数据库中，完成教学管理系统的模拟数据准备工作。

本文介绍了使用Python模拟生成1000名学生和50名教师数据，并通过MCP服务和大模型实现自然语言查询MySQL数据库的技术方案。展示了模拟数据效果后，重点演示了多种自然语言查询场景：包括统计学生教师数量、各学院学生人数及平均年龄、性别分布比例、籍贯来源TOP10排名等，涉及聚合函数、分组统计、子查询、窗口函数等SQL功能。该方案基于Navicat、Cherry Studio、PyCharm等工具开发，为后续笔记实现提供了基础。