Graph RAG Agent

不活跃
GitHub Python MIT

简介

融合 GraphRAG、LightRAG 和 Neo4j 图构建器的智能 RAG 系统，整合 DeepSearch 实现推理增强检索，并提供针对 GraphRAG 的评估框架。

核心特性

  • 完整的 GraphRAG 实现，使用知识图谱进行推理增强检索
  • DeepSearch 与 GraphRAG 融合，将多步思考-搜索-推理范式与图结构结合
  • 多 Agent 架构，包含 NaiveRagAgent、GraphAgent、HybridAgent、DeepResearchAgent 和 FusionGraphRAGAgent
  • Plan-Execute-Report 多智能体协作，包含 Planner、WorkerCoordinator 和 Reporter 模块
  • 增量图更新机制，支持实体消歧和对齐的知识图谱维护
  • 全面的评估框架，提供 20+ 种指标评估答案质量、检索性能和图谱质量

适用场景

💡 构建具有可解释推理能力的企业级知识图谱问答系统
💡 需要对私域文档集合进行多步推理的深度研究任务
💡 从多格式文档（PDF、DOCX、CSV、JSON）构建和维护知识图谱
💡 使用标准化指标评估和基准测试基于 GraphRAG 的检索系统
💡 可视化 AI 推理轨迹，用于复杂查询的调试和透明度

标签

graph-rag knowledge-graph neo4j deep-search evaluation

分类

📚 RAG 工具

快速开始

1. 克隆仓库：git clone https://github.com/1517005260/graph-rag-agent.git
2. 安装依赖并在 .env 中配置 Neo4j 和 LLM API 密钥
3. 使用管道模块从文档构建知识图谱
4. 启动 FastAPI 服务端（server/）或 Gradio 前端（frontend/）进行交互式问答
5. 测试：cd test && python search_with_stream.py
访问 GitHub

相关项目