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。

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(5.2k stars)
  • 开源许可证友好(Apache-2.0)
  • 项目有一定历史沉淀(已维护 2 年)

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

相关项目

Neo4j GraphRAG

1.3k · Python
活跃 A

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
  • · Neo4j 官方 GraphRAG Python SDK,提供知识图谱构建、向量检索和图查询一体化工具链
  • · 支持多种 LLM 提供商:OpenAI、Anthropic、Google、Cohere、Mistral、Bedrock、Ollama 等
  • · SimpleKGPipeline 提供简化的知识图谱构建流程,支持文本和 PDF 输入

Unstract

7.2k · Python
活跃 A+

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
  • · Prompt Studio 通过自然语言定义文档提取模式
  • · 支持 REST API 部署和 ETL 管道工作流
  • · MCP Server 集成,连接 Claude 等 AI Agent

RuoYi AI

5.7k · Java
活跃 A+

开箱即用的企业级全栈 AI 助理平台,基于 Langchain4j 实现 Supervisor 模式多智能体编排,内置 RAG 知识库、可视化工作流与多模型管理。

enterprisemulti-agentrag +2
  • · 多智能体编排 — 基于 Langchain4j 的 Supervisor 模式,支持多决策模型灵活组合工具与技能
  • · RAG 知识管理 — 本地 RAG 加 Milvus/Weaviate/Qdrant 向量库,配文档解析与检索问答
  • · 可视化工作流 — 拖拽式节点编排设计器,SSE 流式执行模型调用、邮件发送、人工审核等节点

相关文章