微軟提出的GraphRAG 很有效，但是官方實現(xiàn)和使用都很復(fù)雜，不易修改和定制。近日，網(wǎng)絡(luò)上出現(xiàn)一個國人開發(fā)的更簡潔、易用且高度可定制的版本實現(xiàn)——nano-graphrag，它保留了核心功能，同時提供了更友好的用戶體驗。值得一提的是之前介紹的fast-graphrag也受到了該項目的啟發(fā)。

nano-graphrag 核心特點是其簡潔性、易用性和可定制性。代碼量僅為 1100 行（不包括測試和提示），是官方實現(xiàn)的緊湊高效替代品。它設(shè)計為輕量級、異步和完全類型化，是希望將 GraphRAG 集成到項目中而不增加復(fù)雜性的開發(fā)者的理想選擇。

安裝 nano-graphrag 非常簡單，可以直接從 PyPi 安裝，或從源代碼安裝以獲取最新功能。安裝后，您可以通過設(shè)置 OpenAI API 密鑰并下載文本文件開始工作。

from nano_graphrag import GraphRAG, QueryParam

graph_func = GraphRAG(working_dir="./dickens")

with open("./book.txt") as f:
    graph_func.insert(f.read())

# Perform global graphrag search
print(graph_func.query("What are the top themes in this story?"))

# Perform local graphrag search (I think is better and more scalable one)
print(graph_func.query("What are the top themes in this story?", param=QueryParam(mode="local")))

# Batch Insert
graph_func.insert(["TEXT1", "TEXT2",...])
# Incremental Insert
with open("./book.txt") as f:
    book = f.read()
    half_len = len(book) // 2
    graph_func.insert(book[:half_len])
    graph_func.insert(book[half_len:])

上面提供的 Python 代碼片段展示了圖的構(gòu)建以及如何將文本插入圖中并執(zhí)行全局和局部 GraphRAG 搜索。nano-graphrag 的一個關(guān)鍵特性是支持批量插入和增量插入，這使得在知識圖中進行高效更新成為可能，而無需冗余計算。它還支持簡單的 RAG 操作，以應(yīng)對更簡單的用例。

對于高級用戶，nano-graphrag 提供了一系列自定義選項。您可以替換默認組件，例如 LLM 函數(shù)、嵌入函數(shù)和存儲組件。這種靈活性使您能夠根據(jù)特定需求定制系統(tǒng)，并將其無縫集成到您的項目中。

nano-graphrag 非常適合對 GraphRAG 感興趣的人學(xué)習(xí)和使用，它的簡潔性、易用性和可定制性使其成為開發(fā)人員選擇GraphRAG的平替選擇。

本文轉(zhuǎn)載自??AI工程化??，作者： ully ????