Graph RAG

本指南介绍了 Graph RAG。有关所有 支持的功能和配置，请参阅 Graph RAG 项目页面。

概述

这GraphRetriever从langchain-graph-retrieverpackage 提供了一个 LangChain 检索器，它结合了非结构化的相似性搜索 在具有元数据属性的结构化遍历的向量上。这将启用基于图形的 检索现有向量存储。

集成详细信息

Retriever	源	PyPI 软件包	最近的	项目页面
GraphRetriever	github.com/datastax/graph-rag	langchain-graph-retriever		Graph RAG

好处

• 基于现有元数据的链接：使用现有元数据字段，无需额外处理。从 中检索更多 现有的 vector store！

• 按需更改链接：可以动态指定边，从而允许遍历不同的关系 基于问题。

• 可插拔遍历策略：使用内置的遍历策略（如 Eager 或 MMR），或定义自定义逻辑来选择 要探索的节点。

• 广泛的兼容性：适集成可用于各种载体存储，并支持其他 商店很容易添加。

设置

安装

这只Retriever生活在langchain-graph-retriever包。

pip install -qU langchain-graph-retriever

实例

以下示例将演示如何对某些样本执行图形遍历 关于动物的文件。

先决条件

Toggle for Details

1. 确保您已安装 Python 3.10+

2. 安装以下提供示例数据的包。

   pip install -qU graph_rag_example_helpers

3. 下载测试文件：

   from graph_rag_example_helpers.datasets.animals import fetch_documents
   animals = fetch_documents()
4. 选择嵌入模型：
5. OpenAI
6. 天蓝色
7. Google
8. AWS
9. Hugging Face
10. 奥拉马
11. Cohere
12. MistralAI
13. 诺米克
14. 英伟达
15. 航海 AI
16. IBM 沃森
17. 假

pip install -qU langchain-openai

import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")