HippoRAG

活跃
GitHub Python MIT

简介

受人类长期记忆启发的 RAG 框架（NeurIPS 2024），结合知识图谱与个性化 PageRank 实现 LLM 的持续知识整合。

核心特性

  • 受人类海马体记忆系统启发的 RAG 框架，基于神经生物学原理构建
  • 知识图谱构建与个性化 PageRank 算法，实现关联性多跳检索
  • 持续非参数学习，无需重新训练即可整合新知识
  • 成本和延迟效率高，离线索引资源消耗远低于 GraphRAG 和 RAPTOR
  • 支持 OpenAI API 和本地 vLLM 部署，灵活适配不同模型集成需求
  • 发表于 NeurIPS 2024 和 ICML 2025，在语义理解和关联检索任务上经过验证

适用场景

💡 为 LLM 驱动的对话 Agent 构建长期记忆系统
💡 大规模文档集合上的多跳问答
💡 需要持续知识整合的企业知识管理
💡 需要跨多元信息源进行关联推理的研究应用
💡 用于 NarrativeQA 和 MuSiQue 等复杂推理任务的检索增强生成

标签

rag knowledge-graph long-term-memory pagerank python

分类

📚 RAG 工具 🧩 Agent 记忆

快速开始

1. 安装：`conda create -n hipporag python=3.10 && pip install hipporag`
2. 设置环境变量：`export OPENAI_API_KEY=<key>`
3. 初始化并索引文档：
```python
from hipporag import HippoRAG
hipporag = HippoRAG(save_dir='outputs', llm_model_name='gpt-4o-mini', embedding_model_name='nvidia/NV-Embed-v2')
hipporag.index(docs=docs)
```
4. 运行 RAG 问答：`results = hipporag.rag_qa(queries=queries)`
访问 GitHub

相关项目