LLM Graph Builder

活跃

GitHub Jupyter Notebook Apache-2.0

简介

从非结构化文本自动抽取实体关系，构建 Neo4j 知识图谱。

核心特性

自动抽取 — 从 PDF、网页、文档抽取实体关系
多源 — 支持 Wikipedia、本地文档、S3 桶
多语言 — 中英日法德等
可视化 — 实时显示图谱结构
可导入 Neo4j — 一键落库
多 LLM — OpenAI、Anthropic、Gemini、本地模型

适用场景

💡 为企业知识库构建图谱形式的索引。

💡 把分散的文档转化为可查询的知识网络。

💡 为 GraphRAG 提供数据准备。

分类

🔄 工作流

快速开始

# 启动 docker-compose
docker compose up
# 浏览器访问 http://localhost:7474
# 上传 PDF，自动生成图谱

访问 GitHub

相关项目

Neo4j GraphRAG

1.2k · Python

活跃

Neo4j 官方推出的 GraphRAG Python SDK，提供知识图谱构建、向量检索与图谱查询的一体化工具链，支持 Agent 化的图检索增强生成流程。

graphragneo4jknowledge-graph +2

InstaGraph

3.5k · Python

不活跃

InstaGraph 是基于 GPT 的文本到知识图谱转换工具，可将文本或 URL 解析为颜色编码的实体关系图，支持 Neo4j 与 FalkorDB。

knowledge-graphllmneo4j +2

Unstract

6.7k · Python

活跃

Unstract 是一个由 LLM 驱动的非结构化数据提取平台，专为 API 部署和 ETL 管道工作流而设计。支持从文档、PDF、图片等非结构化数据源中智能提取结构化信息，构建自动化数据处理管道。

data-processingragpython +3

Bisheng

11.7k · Python

活跃

开源 LLM DevOps 平台，提供 GenAI 工作流、RAG、Agent、模型管理、评估、数据集管理和企业级系统管理等一站式 AI 应用开发能力。

llmopsragworkflow +3

GraphRAGLightRAGRAG

GraphRAG vs LightRAG：图增强 RAG 的两种工程路线深度对比

系统对比 Microsoft GraphRAG（社区检测 + 全局摘要）与 HKUDS LightRAG（双层图 + 增量更新）两大图增强 RAG 框架的索引构建、检索范式、成本结构、查询质量与适用场景，给出按数据规模、查询类型、运维预算的选型决策树。

阅读全文 →