LightRAG
1.0.0
ที่เก็บนี้เป็นโฮสต์รหัสของ Lightrag โครงสร้างของรหัสนี้ขึ้นอยู่กับ nano-graphrag
textract รูปที่ 1: แผนผังการจัดทำดัชนี Lightrag รูปที่ 2: Lightrag Retrieval และ Querying Flowchart
cd LightRAG
pip install -e .pip install lightrag-hkuexamplesexport OPENAI_API_KEY="sk-...".curl https://raw.githubusercontent.com/gusye1234/nano-graphrag/main/tests/mock_data.txt > ./book.txtใช้ตัวอย่าง Python ด้านล่าง (ในสคริปต์) เพื่อเริ่มต้น lightrag และดำเนินการค้นหา:
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" )
)
),
) หากคุณต้องการใช้โมเดล Ollama คุณจะต้องดึงโมเดลที่คุณวางแผนจะใช้และฝังรูปแบบตัวอย่างเช่น nomic-embed-text
จากนั้นคุณจะต้องตั้งค่า lightrag ดังนี้:
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
)ดู test_neo4j.py สำหรับตัวอย่างการทำงาน
เพื่อให้ Lightrag ไปทำงานบริบทควรมีโทเค็นอย่างน้อย 32K ตามค่าเริ่มต้นของ Ollama มีขนาดบริบท 8K คุณสามารถทำสิ่งนี้ได้โดยใช้หนึ่งในสองวิธี:
num_ctx ใน modelfileollama pull qwen2ollama show --modelfile qwen2 > ModelfilePARAMETER num_ctx 32768ollama create -f Modelfile qwen2mnum_ctx ผ่าน Ollama API tiy สามารถใช้ llm_model_kwargs parm เพื่อกำหนดค่า 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"
)
),
) มี examples/lightrag_ollama_demo.py ที่ใช้รุ่น gemma2:2b รันเพียง 4 คำขอในแบบขนานและกำหนดขนาดบริบทเป็น 32K
ในการเรียกใช้การทดลองนี้บน RAM GPU ต่ำคุณควรเลือกโมเดลขนาดเล็กและปรับหน้าต่างบริบท (เพิ่มบริบทเพิ่มการใช้หน่วยความจำ) ตัวอย่างเช่นการเรียกใช้ตัวอย่าง Ollama นี้ในการขุด GPU แบบ repurposed พร้อม RAM 6GB ที่จำเป็นในการตั้งค่าขนาดบริบทเป็น 26K ในขณะที่ใช้ gemma2:2b มันสามารถหาหน่วยงาน 197 แห่งและ 19 ความสัมพันธ์ใน 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 รองรับประเภทไฟล์การอ่านเช่น TXT, DOCX, PPTX, CSV และ 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 ()| พารามิเตอร์ | พิมพ์ | คำอธิบาย | ค่าเริ่มต้น |
|---|---|---|---|
| Working_dir | str | ไดเรกทอรีที่จะเก็บแคชไว้ | lightrag_cache+timestamp |
| kv_storage | str | ประเภทที่เก็บข้อมูลสำหรับเอกสารและชิ้นข้อความ ประเภทที่รองรับ: JsonKVStorage , OracleKVStorage | JsonKVStorage |
| vector_storage | str | ประเภทการจัดเก็บสำหรับการฝังเวกเตอร์ ประเภทที่รองรับ: NanoVectorDBStorage , OracleVectorDBStorage | NanoVectorDBStorage |
| graph_storage | str | ประเภทที่เก็บข้อมูลสำหรับขอบกราฟและโหนด ประเภทที่รองรับ: NetworkXStorage , Neo4JStorage , OracleGraphStorage | NetworkXStorage |
| log_level | ระดับบันทึกสำหรับแอปพลิเคชันรันไทม์ | logging.DEBUG | |
| chunk_token_size | int | ขนาดโทเค็นสูงสุดต่อก้อนเมื่อแยกเอกสาร | 1200 |
| chunk_overlap_token_size | int | ทับทิมขนาดโทเค็นระหว่างสองชิ้นเมื่อแยกเอกสาร | 100 |
| tiktoken_model_name | str | ชื่อรุ่นสำหรับ tiktoken encoder ที่ใช้ในการคำนวณหมายเลขโทเค็น | gpt-4o-mini |
| entity_extract_max_leaning | int | จำนวนลูปในกระบวนการสกัดเอนทิตีข้อความประวัติ | 1 |
| entity_summary_to_max_tokens | int | ขนาดโทเค็นสูงสุดสำหรับแต่ละบทสรุป | 500 |
| node_embedding_algorithm | str | อัลกอริทึมสำหรับการฝังโหนด (ไม่ได้ใช้ในปัจจุบัน) | node2vec |
| node2Vec_params | dict | พารามิเตอร์สำหรับการฝังโหนด | {"dimensions": 1536,"num_walks": 10,"walk_length": 40,"window_size": 2,"iterations": 3,"random_seed": 3,} |
| EMBEDDING_FUNC | EmbeddingFunc | ฟังก์ชั่นในการสร้างเวกเตอร์การฝังจากข้อความ | openai_embedding |
| EMBEDDING_BATCH_NUM | int | ขนาดแบทช์สูงสุดสำหรับกระบวนการฝัง (หลายข้อความที่ส่งต่อแบทช์) | 32 |
| EMBEDDING_FUNC_MAX_ASYNC | int | จำนวนสูงสุดของกระบวนการฝังแบบอะซิงโครนัสพร้อมกัน | 16 |
| llm_model_func | callable | ฟังก์ชั่นสำหรับการสร้าง LLM | gpt_4o_mini_complete |
| llm_model_name | str | ชื่อรุ่น LLM สำหรับรุ่น | meta-llama/Llama-3.2-1B-Instruct |
| llm_model_max_token_size | int | ขนาดโทเค็นสูงสุดสำหรับการสร้าง LLM (ส่งผลกระทบต่อบทสรุปความสัมพันธ์ของเอนทิตี) | 32768 |
| llm_model_max_async | int | จำนวนสูงสุดของกระบวนการ LLM แบบอะซิงโครนัสพร้อมกัน | 16 |
| llm_model_kwargs | dict | พารามิเตอร์เพิ่มเติมสำหรับการสร้าง LLM | |
| vector_db_storage_cls_kwargs | dict | พารามิเตอร์เพิ่มเติมสำหรับฐานข้อมูลเวกเตอร์ (ไม่ได้ใช้ในปัจจุบัน) | |
| enable_llm_cache | bool | ถ้า TRUE จัดเก็บ LLM จะส่งผลในแคช; พรอมต์ซ้ำกลับคำตอบที่แคช | TRUE |
| addon_params | dict | พารามิเตอร์เพิ่มเติมเช่น {"example_number": 1, "language": "Simplified Chinese"} : ตั้งค่าตัวอย่างและภาษาเอาท์พุท | example_number: all examples, language: English |
| convert_response_to_json_func | callable | ไม่ได้ใช้ | convert_response_to_json |
LIGHTRAG ยังมีการใช้งานเซิร์ฟเวอร์ที่ใช้ FASTAPI สำหรับ RESTFUL API การเข้าถึงการดำเนินการ RAG สิ่งนี้ช่วยให้คุณเรียกใช้ Lightrag เป็นบริการและโต้ตอบกับมันผ่านคำขอ HTTP
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 เซิร์ฟเวอร์จะเริ่มต้นที่ http://0.0.0.0:8020
เซิร์ฟเวอร์ API ให้จุดสิ้นสุดต่อไปนี้:
/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 "เซิร์ฟเวอร์ API สามารถกำหนดค่าได้โดยใช้ตัวแปรสภาพแวดล้อม:
RAG_DIR : ไดเรกทอรีสำหรับการจัดเก็บดัชนี RAG (ค่าเริ่มต้น: "index_default")API รวมถึงการจัดการข้อผิดพลาดที่ครอบคลุม:
ชุดข้อมูลที่ใช้ใน Lightrag สามารถดาวน์โหลดได้จาก Tommychien/Ultradomain
Lightrag ใช้พรอมต์ต่อไปนี้เพื่อสร้างแบบสอบถามระดับสูงด้วยรหัสที่เกี่ยวข้องใน 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 ]
... ในการประเมินประสิทธิภาพของระบบ RAG สองระบบในการสืบค้นระดับสูง Lightrag ใช้พรอมต์ต่อไปนี้โดยมีรหัสเฉพาะที่มีอยู่ใน 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]"
}}
}}| เกษตรกรรม | CS | ถูกกฎหมาย | ผสม | |||||
|---|---|---|---|---|---|---|---|---|
| naiverag | lightrag | naiverag | lightrag | naiverag | lightrag | naiverag | lightrag | |
| ความครอบคลุม | 32.4% | 67.6% | 38.4% | 61.6% | 16.4% | 83.6% | 38.8% | 61.2% |
| ความหลากหลาย | 23.6% | 76.4% | 38.0% | 62.0% | 13.6% | 86.4% | 32.4% | 67.6% |
| การเสริมอำนาจ | 32.4% | 67.6% | 38.8% | 61.2% | 16.4% | 83.6% | 42.8% | 57.2% |
| โดยรวม | 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 | |
| ความครอบคลุม | 31.6% | 68.4% | 38.8% | 61.2% | 15.2% | 84.8% | 39.2% | 60.8% |
| ความหลากหลาย | 29.2% | 70.8% | 39.2% | 60.8% | 11.6% | 88.4% | 30.8% | 69.2% |
| การเสริมอำนาจ | 31.6% | 68.4% | 36.4% | 63.6% | 15.2% | 84.8% | 42.4% | 57.6% |
| โดยรวม | 32.4% | 67.6% | 38.0% | 62.0% | 14.4% | 85.6% | 40.0% | 60.0% |
| ไฮด์ | lightrag | ไฮด์ | lightrag | ไฮด์ | lightrag | ไฮด์ | lightrag | |
| ความครอบคลุม | 26.0% | 74.0% | 41.6% | 58.4% | 26.8% | 73.2% | 40.4% | 59.6% |
| ความหลากหลาย | 24.0% | 76.0% | 38.8% | 61.2% | 20.0% | 80.0% | 32.4% | 67.6% |
| การเสริมอำนาจ | 25.2% | 74.8% | 40.8% | 59.2% | 26.0% | 74.0% | 46.0% | 54.0% |
| โดยรวม | 24.8% | 75.2% | 41.6% | 58.4% | 26.4% | 73.6% | 42.4% | 57.6% |
| Graphrag | lightrag | Graphrag | lightrag | Graphrag | lightrag | Graphrag | lightrag | |
| ความครอบคลุม | 45.6% | 54.4% | 48.4% | 51.6% | 48.4% | 51.6% | 50.4% | 49.6% |
| ความหลากหลาย | 22.8% | 77.2% | 40.8% | 59.2% | 26.4% | 73.6% | 36.0% | 64.0% |
| การเสริมอำนาจ | 41.2% | 58.8% | 45.2% | 54.8% | 43.6% | 56.4% | 50.8% | 49.2% |
| โดยรวม | 45.2% | 54.8% | 48.0% | 52.0% | 47.2% | 52.8% | 50.4% | 49.6% |
รหัสทั้งหมดสามารถพบได้ในไดเรกทอรี ./reproduce
ก่อนอื่นเราต้องแยกบริบทที่ไม่ซ้ำกันในชุดข้อมูล
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." )สำหรับบริบทที่สกัดเราจะแทรกลงในระบบ 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" )เราแยกโทเค็นจากช่วงครึ่งแรกและครึ่งหลังของแต่ละบริบทในชุดข้อมูลจากนั้นรวมไว้เป็นคำอธิบายชุดข้อมูลเพื่อสร้างแบบสอบถาม
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 summaryสำหรับการสืบค้นที่สร้างขึ้นในขั้นตอนที่ 2 เราจะแยกพวกเขาและสอบถาม 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 ขอบคุณผู้สนับสนุนทุกคนของเรา!
@ 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 }
}ขอบคุณสำหรับความสนใจในงานของเรา!
