LightRAG
1.0.0
Этот репозиторий размещает код Lightrag. Структура этого кода основана на нано-графраге.
textract . Рисунок 1: Индексация Lightrag Индексирование .
cd LightRAG
pip install -e .pip install lightrag-hkuexamples .export OPENAI_API_KEY="sk-...".curl https://raw.githubusercontent.com/gusye1234/nano-graphrag/main/tests/mock_data.txt > ./book.txtИспользуйте приведенный ниже фрагмент Python (в скрипте), чтобы инициализация Lightrag и выполнения запросов:
import os
from lightrag import LightRAG , QueryParam
from lightrag . llm import gpt_4o_mini_complete , gpt_4o_complete
#########
# Uncomment the below two lines if running in a jupyter notebook to handle the async nature of rag.insert()
# import nest_asyncio
# nest_asyncio.apply()
#########
WORKING_DIR = "./dickens"
if not os . path . exists ( WORKING_DIR ):
os . mkdir ( WORKING_DIR )
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = gpt_4o_mini_complete # Use gpt_4o_mini_complete LLM model
# llm_model_func=gpt_4o_complete # Optionally, use a stronger model
)
with open ( "./book.txt" ) as f :
rag . insert ( f . read ())
# Perform naive search
print ( rag . query ( "What are the top themes in this story?" , param = QueryParam ( mode = "naive" )))
# Perform local search
print ( rag . query ( "What are the top themes in this story?" , param = QueryParam ( mode = "local" )))
# Perform global search
print ( rag . query ( "What are the top themes in this story?" , param = QueryParam ( mode = "global" )))
# Perform hybrid search
print ( rag . query ( "What are the top themes in this story?" , param = QueryParam ( mode = "hybrid" ))) async def llm_model_func (
prompt , system_prompt = None , history_messages = [], ** kwargs
) -> str :
return await openai_complete_if_cache (
"solar-mini" ,
prompt ,
system_prompt = system_prompt ,
history_messages = history_messages ,
api_key = os . getenv ( "UPSTAGE_API_KEY" ),
base_url = "https://api.upstage.ai/v1/solar" ,
** kwargs
)
async def embedding_func ( texts : list [ str ]) -> np . ndarray :
return await openai_embedding (
texts ,
model = "solar-embedding-1-large-query" ,
api_key = os . getenv ( "UPSTAGE_API_KEY" ),
base_url = "https://api.upstage.ai/v1/solar"
)
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = llm_model_func ,
embedding_func = EmbeddingFunc (
embedding_dim = 4096 ,
max_token_size = 8192 ,
func = embedding_func
)
) from lightrag . llm import hf_model_complete , hf_embedding
from transformers import AutoModel , AutoTokenizer
from lightrag . utils import EmbeddingFunc
# Initialize LightRAG with Hugging Face model
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = hf_model_complete , # Use Hugging Face model for text generation
llm_model_name = 'meta-llama/Llama-3.1-8B-Instruct' , # Model name from Hugging Face
# Use Hugging Face embedding function
embedding_func = EmbeddingFunc (
embedding_dim = 384 ,
max_token_size = 5000 ,
func = lambda texts : hf_embedding (
texts ,
tokenizer = AutoTokenizer . from_pretrained ( "sentence-transformers/all-MiniLM-L6-v2" ),
embed_model = AutoModel . from_pretrained ( "sentence-transformers/all-MiniLM-L6-v2" )
)
),
) Если вы хотите использовать модели Ollama, вам необходимо вытащить модель, которую вы планируете использовать и внедрять модель, например nomic-embed-text .
Тогда вам нужно только установить Lightrag следующим образом:
from lightrag . llm import ollama_model_complete , ollama_embedding
from lightrag . utils import EmbeddingFunc
# Initialize LightRAG with Ollama model
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = ollama_model_complete , # Use Ollama model for text generation
llm_model_name = 'your_model_name' , # Your model name
# Use Ollama embedding function
embedding_func = EmbeddingFunc (
embedding_dim = 768 ,
max_token_size = 8192 ,
func = lambda texts : ollama_embedding (
texts ,
embed_model = "nomic-embed-text"
)
),
) export NEO4J_URI = "neo4j://localhost:7687"
export NEO4J_USERNAME = "neo4j"
export NEO4J_PASSWORD = "password"
When you launch the project be sure to override the default KG : NetworkS
by specifying kg = "Neo4JStorage" .
# Note: Default settings use NetworkX
#Initialize LightRAG with Neo4J implementation.
WORKING_DIR = "./local_neo4jWorkDir"
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = gpt_4o_mini_complete , # Use gpt_4o_mini_complete LLM model
kg = "Neo4JStorage" , #<-----------override KG default
log_level = "DEBUG" #<-----------override log_level default
)См. Test_neo4j.py для рабочего примера.
Для того, чтобы Lightrag мог работать, контекст должен быть не менее 32 тысяч токенов. По умолчанию модели Ollama имеют размер контекста 8K. Вы можете достичь этого, используя один из двух способов:
num_ctx в Modelfile.ollama pull qwen2ollama show --modelfile qwen2 > ModelfilePARAMETER num_ctx 32768ollama create -f Modelfile qwen2mnum_ctx через ollama api. Tiy может использовать llm_model_kwargs param для настройки Ollama:
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = ollama_model_complete , # Use Ollama model for text generation
llm_model_name = 'your_model_name' , # Your model name
llm_model_kwargs = { "options" : { "num_ctx" : 32768 }},
# Use Ollama embedding function
embedding_func = EmbeddingFunc (
embedding_dim = 768 ,
max_token_size = 8192 ,
func = lambda texts : ollama_embedding (
texts ,
embed_model = "nomic-embed-text"
)
),
) Есть полностью функциональные examples/lightrag_ollama_demo.py , в котором используется модель gemma2:2b , запускает только 4 запроса параллельно и устанавливает размер контекста на 32K.
Чтобы запустить этот эксперимент на графическом процессоре с низким ОЗУ, вы должны выбрать небольшую модель и настройку окна контекста (увеличение контекста увеличивает потребление памяти). Например, запуск этого примера Ollama по рефрупенному графическому процессору с 6 ГБ оперативной памяти, необходимым для установления размера контекста на 26 тыс. При использовании gemma2:2b . Он смог найти 197 сущностей и 19 отношений на book.txt .
class QueryParam :
mode : Literal [ "local" , "global" , "hybrid" , "naive" ] = "global"
only_need_context : bool = False
response_type : str = "Multiple Paragraphs"
# Number of top-k items to retrieve; corresponds to entities in "local" mode and relationships in "global" mode.
top_k : int = 60
# Number of tokens for the original chunks.
max_token_for_text_unit : int = 4000
# Number of tokens for the relationship descriptions
max_token_for_global_context : int = 4000
# Number of tokens for the entity descriptions
max_token_for_local_context : int = 4000 # Batch Insert: Insert multiple texts at once
rag . insert ([ "TEXT1" , "TEXT2" ,...]) # Incremental Insert: Insert new documents into an existing LightRAG instance
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = llm_model_func ,
embedding_func = EmbeddingFunc (
embedding_dim = embedding_dimension ,
max_token_size = 8192 ,
func = embedding_func ,
),
)
with open ( "./newText.txt" ) as f :
rag . insert ( f . read ()) rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = llm_model_func ,
embedding_func = EmbeddingFunc (
embedding_dim = embedding_dimension ,
max_token_size = 8192 ,
func = embedding_func ,
),
)
custom_kg = {
"entities" : [
{
"entity_name" : "CompanyA" ,
"entity_type" : "Organization" ,
"description" : "A major technology company" ,
"source_id" : "Source1"
},
{
"entity_name" : "ProductX" ,
"entity_type" : "Product" ,
"description" : "A popular product developed by CompanyA" ,
"source_id" : "Source1"
}
],
"relationships" : [
{
"src_id" : "CompanyA" ,
"tgt_id" : "ProductX" ,
"description" : "CompanyA develops ProductX" ,
"keywords" : "develop, produce" ,
"weight" : 1.0 ,
"source_id" : "Source1"
}
]
}
rag . insert_custom_kg ( custom_kg ) # Delete Entity: Deleting entities by their names
rag = LightRAG (
working_dir = WORKING_DIR ,
llm_model_func = llm_model_func ,
embedding_func = EmbeddingFunc (
embedding_dim = embedding_dimension ,
max_token_size = 8192 ,
func = embedding_func ,
),
)
rag . delete_by_entity ( "Project Gutenberg" ) textract поддерживает типы файлов чтения, такие как TXT, DOCX, PPTX, CSV и PDF.
import textract
file_path = 'TEXT.pdf'
text_content = textract . process ( file_path )
rag . insert ( text_content . decode ( 'utf-8' ))examples/graph_visual_with_html.py import networkx as nx
from pyvis . network import Network
# Load the GraphML file
G = nx . read_graphml ( './dickens/graph_chunk_entity_relation.graphml' )
# Create a Pyvis network
net = Network ( notebook = True )
# Convert NetworkX graph to Pyvis network
net . from_nx ( G )
# Save and display the network
net . show ( 'knowledge_graph.html' )examples/graph_visual_with_neo4j.py import os
import json
from lightrag . utils import xml_to_json
from neo4j import GraphDatabase
# Constants
WORKING_DIR = "./dickens"
BATCH_SIZE_NODES = 500
BATCH_SIZE_EDGES = 100
# Neo4j connection credentials
NEO4J_URI = "bolt://localhost:7687"
NEO4J_USERNAME = "neo4j"
NEO4J_PASSWORD = "your_password"
def convert_xml_to_json ( xml_path , output_path ):
"""Converts XML file to JSON and saves the output."""
if not os . path . exists ( xml_path ):
print ( f"Error: File not found - { xml_path } " )
return None
json_data = xml_to_json ( xml_path )
if json_data :
with open ( output_path , 'w' , encoding = 'utf-8' ) as f :
json . dump ( json_data , f , ensure_ascii = False , indent = 2 )
print ( f"JSON file created: { output_path } " )
return json_data
else :
print ( "Failed to create JSON data" )
return None
def process_in_batches ( tx , query , data , batch_size ):
"""Process data in batches and execute the given query."""
for i in range ( 0 , len ( data ), batch_size ):
batch = data [ i : i + batch_size ]
tx . run ( query , { "nodes" : batch } if "nodes" in query else { "edges" : batch })
def main ():
# Paths
xml_file = os . path . join ( WORKING_DIR , 'graph_chunk_entity_relation.graphml' )
json_file = os . path . join ( WORKING_DIR , 'graph_data.json' )
# Convert XML to JSON
json_data = convert_xml_to_json ( xml_file , json_file )
if json_data is None :
return
# Load nodes and edges
nodes = json_data . get ( 'nodes' , [])
edges = json_data . get ( 'edges' , [])
# Neo4j queries
create_nodes_query = """
UNWIND $nodes AS node
MERGE (e:Entity {id: node.id})
SET e.entity_type = node.entity_type,
e.description = node.description,
e.source_id = node.source_id,
e.displayName = node.id
REMOVE e:Entity
WITH e, node
CALL apoc.create.addLabels(e, [node.entity_type]) YIELD node AS labeledNode
RETURN count(*)
"""
create_edges_query = """
UNWIND $edges AS edge
MATCH (source {id: edge.source})
MATCH (target {id: edge.target})
WITH source, target, edge,
CASE
WHEN edge.keywords CONTAINS 'lead' THEN 'lead'
WHEN edge.keywords CONTAINS 'participate' THEN 'participate'
WHEN edge.keywords CONTAINS 'uses' THEN 'uses'
WHEN edge.keywords CONTAINS 'located' THEN 'located'
WHEN edge.keywords CONTAINS 'occurs' THEN 'occurs'
ELSE REPLACE(SPLIT(edge.keywords, ',')[0], ' " ', '')
END AS relType
CALL apoc.create.relationship(source, relType, {
weight: edge.weight,
description: edge.description,
keywords: edge.keywords,
source_id: edge.source_id
}, target) YIELD rel
RETURN count(*)
"""
set_displayname_and_labels_query = """
MATCH (n)
SET n.displayName = n.id
WITH n
CALL apoc.create.setLabels(n, [n.entity_type]) YIELD node
RETURN count(*)
"""
# Create a Neo4j driver
driver = GraphDatabase . driver ( NEO4J_URI , auth = ( NEO4J_USERNAME , NEO4J_PASSWORD ))
try :
# Execute queries in batches
with driver . session () as session :
# Insert nodes in batches
session . execute_write ( process_in_batches , create_nodes_query , nodes , BATCH_SIZE_NODES )
# Insert edges in batches
session . execute_write ( process_in_batches , create_edges_query , edges , BATCH_SIZE_EDGES )
# Set displayName and labels
session . run ( set_displayname_and_labels_query )
except Exception as e :
print ( f"Error occurred: { e } " )
finally :
driver . close ()
if __name__ == "__main__" :
main ()| Параметр | Тип | Объяснение | По умолчанию |
|---|---|---|---|
| Working_dir | str | Каталог, где будет храниться кэш | lightrag_cache+timestamp |
| kv_storage | str | Тип хранения для документов и текстовых кусков. Поддерживаемые типы: JsonKVStorage , OracleKVStorage | JsonKVStorage |
| Vector_Storage | str | Тип хранения для встраивания векторов. Поддерживаемые типы: NanoVectorDBStorage , OracleVectorDBStorage | NanoVectorDBStorage |
| graph_storage | str | Тип хранения для графиков и узлов. Поддерживаемые типы: NetworkXStorage , Neo4JStorage , OracleGraphStorage | NetworkXStorage |
| log_level | Уровень журнала для времени выполнения приложения | logging.DEBUG | |
| chunk_token_size | int | Максимальный размер токена на кусок при разделении документов | 1200 |
| chunk_overlap_token_size | int | Перекрывать размер токена между двумя кусками при разделении документов | 100 |
| tiktoken_model_name | str | Название модели для энкодера Tiktoken, используемого для расчета номеров токенов | gpt-4o-mini |
| entity_extract_max_gleaning | int | Количество циклов в процессе извлечения объектов, рассылка сообщений истории | 1 |
| entity_summary_to_max_tokens | int | Максимальный размер токена для каждой суммы объекта | 500 |
| node_embedding_algorithm | str | Алгоритм для встраивания узлов (в настоящее время не используется) | node2vec |
| node2vec_params | dict | Параметры для встраивания узлов | {"dimensions": 1536,"num_walks": 10,"walk_length": 40,"window_size": 2,"iterations": 3,"random_seed": 3,} |
| Encedding_func | EmbeddingFunc | Функция для генерации встраивания векторов из текста | openai_embedding |
| Encedding_batch_num | int | Максимальный размер партии для процессов встраивания (несколько текстов, отправленных за партию) | 32 |
| embedding_func_max_async | int | Максимальное количество одновременных асинхронных процессов встраивания | 16 |
| llm_model_func | callable | Функция для генерации LLM | gpt_4o_mini_complete |
| llm_model_name | str | Название модели LLM для поколения | meta-llama/Llama-3.2-1B-Instruct |
| llm_model_max_token_size | int | Максимальный размер токена для генерации LLM (влияет на резюме соотношения сущности) | 32768 |
| llm_model_max_async | int | Максимальное количество одновременных асинхронных процессов LLM | 16 |
| llm_model_kwargs | dict | Дополнительные параметры для генерации LLM | |
| Vector_db_storage_cls_kwargs | dict | Дополнительные параметры для векторной базы данных (в настоящее время не используются) | |
| enable_llm_cache | bool | Если TRUE , хранилище LLM приводит к кэшу; Повторные подсказки возвращают кэшированные ответы | TRUE |
| addon_params | dict | Дополнительные параметры, например, {"example_number": 1, "language": "Simplified Chinese"} : устанавливает пример предела и языка вывода | example_number: all examples, language: English |
| convert_response_to_json_func | callable | Не используется | convert_response_to_json |
Lightrag также предоставляет реализацию сервера на основе FastAPI для RESTFUL API-адрес API к операциям. Это позволяет вам запускать Lightrag в качестве услуги и взаимодействовать с ним с помощью HTTP -запросов.
pip install fastapi uvicorn pydantic export RAG_DIR= " your_index_directory " # Optional: Defaults to "index_default"
export OPENAI_BASE_URL= " Your OpenAI API base URL " # Optional: Defaults to "https://api.openai.com/v1"
export OPENAI_API_KEY= " Your OpenAI API key " # Required
export LLM_MODEL= " Your LLM model " # Optional: Defaults to "gpt-4o-mini"
export EMBEDDING_MODEL= " Your embedding model " # Optional: Defaults to "text-embedding-3-large"python examples/lightrag_api_openai_compatible_demo.py Сервер начнется на http://0.0.0.0:8020 .
Сервер API предоставляет следующие конечные точки:
/query{
"query" : " Your question here " ,
"mode" : " hybrid " , // Can be "naive", "local", "global", or "hybrid"
"only_need_context" : true // Optional: Defaults to false, if true, only the referenced context will be returned, otherwise the llm answer will be returned
}curl -X POST " http://127.0.0.1:8020/query "
-H " Content-Type: application/json "
-d ' {"query": "What are the main themes?", "mode": "hybrid"} ' /insert{
"text" : " Your text content here "
}curl -X POST " http://127.0.0.1:8020/insert "
-H " Content-Type: application/json "
-d ' {"text": "Content to be inserted into RAG"} ' /insert_file{
"file_path" : " path/to/your/file.txt "
}curl -X POST " http://127.0.0.1:8020/insert_file "
-H " Content-Type: application/json "
-d ' {"file_path": "./book.txt"} ' /healthcurl -X GET " http://127.0.0.1:8020/health "Сервер API может быть настроен с использованием переменных среды:
RAG_DIR : каталог для хранения индекса Rag (по умолчанию: "index_default")API включает в себя комплексную обработку ошибок:
Набор данных, используемый в Lightrag, может быть загружен с Tommychien/Ultradomain.
Lightrag использует следующую подсказку для генерации запросов высокого уровня с соответствующим кодом в example/generate_query.py .
Given the following description of a dataset :
{ description }
Please identify 5 potential users who would engage with this dataset . For each user , list 5 tasks they would perform with this dataset . Then , for each ( user , task ) combination , generate 5 questions that require a high - level understanding of the entire dataset .
Output the results in the following structure :
- User 1 : [ user description ]
- Task 1 : [ task description ]
- Question 1 :
- Question 2 :
- Question 3 :
- Question 4 :
- Question 5 :
- Task 2 : [ task description ]
...
- Task 5 : [ task description ]
- User 2 : [ user description ]
...
- User 5 : [ user description ]
... Чтобы оценить производительность двух тряпичных систем на высокоуровневых запросах, Lightrag использует следующую подсказку, с конкретным кодом, доступным в example/batch_eval.py .
- - - Role - - -
You are an expert tasked with evaluating two answers to the same question based on three criteria : ** Comprehensiveness ** , ** Diversity ** , and ** Empowerment ** .
- - - Goal - - -
You will evaluate two answers to the same question based on three criteria : ** Comprehensiveness ** , ** Diversity ** , and ** Empowerment ** .
- ** Comprehensiveness ** : How much detail does the answer provide to cover all aspects and details of the question ?
- ** Diversity ** : How varied and rich is the answer in providing different perspectives and insights on the question ?
- ** Empowerment ** : How well does the answer help the reader understand and make informed judgments about the topic ?
For each criterion , choose the better answer ( either Answer 1 or Answer 2 ) and explain why . Then , select an overall winner based on these three categories .
Here is the question :
{ query }
Here are the two answers :
** Answer 1 : **
{ answer1 }
** Answer 2 : **
{ answer2 }
Evaluate both answers using the three criteria listed above and provide detailed explanations for each criterion .
Output your evaluation in the following JSON format :
{{
"Comprehensiveness" : {{
"Winner" : "[Answer 1 or Answer 2]" ,
"Explanation" : "[Provide explanation here]"
}},
"Empowerment" : {{
"Winner" : "[Answer 1 or Answer 2]" ,
"Explanation" : "[Provide explanation here]"
}},
"Overall Winner" : {{
"Winner" : "[Answer 1 or Answer 2]" ,
"Explanation" : "[Summarize why this answer is the overall winner based on the three criteria]"
}}
}}| Сельское хозяйство | CS | Юридический | Смешивание | |||||
|---|---|---|---|---|---|---|---|---|
| Найвераг | Lightrag | Найвераг | Lightrag | Найвераг | Lightrag | Найвераг | Lightrag | |
| Полная | 32,4% | 67,6% | 38,4% | 61,6% | 16,4% | 83,6% | 38,8% | 61,2% |
| Разнообразие | 23,6% | 76,4% | 38,0% | 62,0% | 13,6% | 86,4% | 32,4% | 67,6% |
| Расширение прав и возможностей | 32,4% | 67,6% | 38,8% | 61,2% | 16,4% | 83,6% | 42,8% | 57,2% |
| Общий | 32,4% | 67,6% | 38,8% | 61,2% | 15,2% | 84,8% | 40,0% | 60,0% |
| RQ-RAG | Lightrag | RQ-RAG | Lightrag | RQ-RAG | Lightrag | RQ-RAG | Lightrag | |
| Полная | 31,6% | 68,4% | 38,8% | 61,2% | 15,2% | 84,8% | 39,2% | 60,8% |
| Разнообразие | 29,2% | 70,8% | 39,2% | 60,8% | 11,6% | 88,4% | 30,8% | 69,2% |
| Расширение прав и возможностей | 31,6% | 68,4% | 36,4% | 63,6% | 15,2% | 84,8% | 42,4% | 57,6% |
| Общий | 32,4% | 67,6% | 38,0% | 62,0% | 14,4% | 85,6% | 40,0% | 60,0% |
| Хайд | Lightrag | Хайд | Lightrag | Хайд | Lightrag | Хайд | Lightrag | |
| Полная | 26,0% | 74,0% | 41,6% | 58,4% | 26,8% | 73,2% | 40,4% | 59,6% |
| Разнообразие | 24,0% | 76,0% | 38,8% | 61,2% | 20,0% | 80,0% | 32,4% | 67,6% |
| Расширение прав и возможностей | 25,2% | 74,8% | 40,8% | 59,2% | 26,0% | 74,0% | 46,0% | 54,0% |
| Общий | 24,8% | 75,2% | 41,6% | 58,4% | 26,4% | 73,6% | 42,4% | 57,6% |
| Графраг | Lightrag | Графраг | Lightrag | Графраг | Lightrag | Графраг | Lightrag | |
| Полная | 45,6% | 54,4% | 48,4% | 51,6% | 48,4% | 51,6% | 50,4% | 49,6% |
| Разнообразие | 22,8% | 77,2% | 40,8% | 59,2% | 26,4% | 73,6% | 36,0% | 64,0% |
| Расширение прав и возможностей | 41,2% | 58,8% | 45,2% | 54,8% | 43,6% | 56,4% | 50,8% | 49,2% |
| Общий | 45,2% | 54,8% | 48,0% | 52,0% | 47,2% | 52,8% | 50,4% | 49,6% |
Весь код можно найти в каталоге ./reproduce .
Во -первых, нам нужно извлечь уникальные контексты в наборы данных.
def extract_unique_contexts ( input_directory , output_directory ):
os . makedirs ( output_directory , exist_ok = True )
jsonl_files = glob . glob ( os . path . join ( input_directory , '*.jsonl' ))
print ( f"Found { len ( jsonl_files ) } JSONL files." )
for file_path in jsonl_files :
filename = os . path . basename ( file_path )
name , ext = os . path . splitext ( filename )
output_filename = f" { name } _unique_contexts.json"
output_path = os . path . join ( output_directory , output_filename )
unique_contexts_dict = {}
print ( f"Processing file: { filename } " )
try :
with open ( file_path , 'r' , encoding = 'utf-8' ) as infile :
for line_number , line in enumerate ( infile , start = 1 ):
line = line . strip ()
if not line :
continue
try :
json_obj = json . loads ( line )
context = json_obj . get ( 'context' )
if context and context not in unique_contexts_dict :
unique_contexts_dict [ context ] = None
except json . JSONDecodeError as e :
print ( f"JSON decoding error in file { filename } at line { line_number } : { e } " )
except FileNotFoundError :
print ( f"File not found: { filename } " )
continue
except Exception as e :
print ( f"An error occurred while processing file { filename } : { e } " )
continue
unique_contexts_list = list ( unique_contexts_dict . keys ())
print ( f"There are { len ( unique_contexts_list ) } unique `context` entries in the file { filename } ." )
try :
with open ( output_path , 'w' , encoding = 'utf-8' ) as outfile :
json . dump ( unique_contexts_list , outfile , ensure_ascii = False , indent = 4 )
print ( f"Unique `context` entries have been saved to: { output_filename } " )
except Exception as e :
print ( f"An error occurred while saving to the file { output_filename } : { e } " )
print ( "All files have been processed." )Для извлеченных контекстов мы вставляем их в систему Lightrag.
def insert_text ( rag , file_path ):
with open ( file_path , mode = 'r' ) as f :
unique_contexts = json . load ( f )
retries = 0
max_retries = 3
while retries < max_retries :
try :
rag . insert ( unique_contexts )
break
except Exception as e :
retries += 1
print ( f"Insertion failed, retrying ( { retries } / { max_retries } ), error: { e } " )
time . sleep ( 10 )
if retries == max_retries :
print ( "Insertion failed after exceeding the maximum number of retries" )Мы извлекаем токены из первой и второй половины каждого контекста в наборе данных, а затем объединяем их в виде описаний наборов данных для генерации запросов.
tokenizer = GPT2Tokenizer . from_pretrained ( 'gpt2' )
def get_summary ( context , tot_tokens = 2000 ):
tokens = tokenizer . tokenize ( context )
half_tokens = tot_tokens // 2
start_tokens = tokens [ 1000 : 1000 + half_tokens ]
end_tokens = tokens [ - ( 1000 + half_tokens ): 1000 ]
summary_tokens = start_tokens + end_tokens
summary = tokenizer . convert_tokens_to_string ( summary_tokens )
return summaryДля запросов, полученных на шаге-2, мы извлеките их и запросим Lightrag.
def extract_queries ( file_path ):
with open ( file_path , 'r' ) as f :
data = f . read ()
data = data . replace ( '**' , '' )
queries = re . findall ( r'- Question d+: (.+)' , data )
return queries .
├── examples
│ ├── batch_eval . py
│ ├── generate_query . py
│ ├── graph_visual_with_html . py
│ ├── graph_visual_with_neo4j . py
│ ├── lightrag_api_openai_compatible_demo . py
│ ├── lightrag_azure_openai_demo . py
│ ├── lightrag_bedrock_demo . py
│ ├── lightrag_hf_demo . py
│ ├── lightrag_lmdeploy_demo . py
│ ├── lightrag_ollama_demo . py
│ ├── lightrag_openai_compatible_demo . py
│ ├── lightrag_openai_demo . py
│ ├── lightrag_siliconcloud_demo . py
│ └── vram_management_demo . py
├── lightrag
│ ├── kg
│ │ ├── __init__ . py
│ │ └── neo4j_impl . py
│ ├── __init__ . py
│ ├── base . py
│ ├── lightrag . py
│ ├── llm . py
│ ├── operate . py
│ ├── prompt . py
│ ├── storage . py
│ └── utils . py
├── reproduce
│ ├── Step_0 . py
│ ├── Step_1_openai_compatible . py
│ ├── Step_1 . py
│ ├── Step_2 . py
│ ├── Step_3_openai_compatible . py
│ └── Step_3 . py
├── . gitignore
├── . pre - commit - config . yaml
├── Dockerfile
├── get_all_edges_nx . py
├── LICENSE
├── README . md
├── requirements . txt
├── setup . py
├── test_neo4j . py
└── test . py Спасибо всем нашим участникам!
@ article { guo2024lightrag ,
title = { LightRAG : Simple and Fast Retrieval - Augmented Generation },
author = { Zirui Guo and Lianghao Xia and Yanhua Yu and Tu Ao and Chao Huang },
year = { 2024 },
eprint = { 2410.05779 },
archivePrefix = { arXiv },
primaryClass = { cs . IR }
}Спасибо за ваш интерес к нашей работе!
