graphrag+ollama+neo4j本地化部署可视化使用_graphrag+ollama部署使用 半路it男

      最近微软团队开源了一款数据工作流与转换工具 GraphRAG，利用LLM，帮助用户从非结构化文本数据中提取结构化数据，并完成数据索引。 与传统的在文本片段中，基于语义查询的RAG不同，GraphRAG从原始文本中，提取数据，构建知识图谱，并利用这些结构化数据完成RAG任务。相较于传统RAG，GraphRAG在回答全局性问题时，表现非常出色。

GraphRAG | Get Started:

https://microsoft.github.io/graphrag/posts/get_started/

GraphRAG | GitHub:

https://github.com/microsoft/graphrag

（1）基本使用

根据官方介绍，python环境最好在3.10-3.12，下面直接pip安装

conda create -n grag python=3.10
pip install graphrag

然后依次创建一个示例工程

mkdir -p ./ragtest/input ###项目工程
curl https://www.gutenberg.org/cache/epub/24022/pg24022.txt > ./ragtest/input/book.txt ###测试数据
 
python -m graphrag.index --init --root ./ragtest ###初始化项目目录

在ragtest文件目录下会生成.env 和settings.yaml两个文件

• .env包含运行 Gr