CNB快速体验Graph Rag | DreamEutopia 博客

status

type

date

slug

summary

准备阶段

老规矩，安装必要软件包

创建虚拟环境并激活进入

开始安装

安装应用

创建工作目录并下载示例文本

初始化项目

可能遇到openai版本的问题，运行以下两个命令

这个命令会生成两个文件：.env 和 settings.yaml。

.env 文件：这个文件用来放你的秘密密钥。打开它，你会看到 GRAPHRAG_API_KEY=<API_KEY>。你需要把 <API_KEY> 这部分替换成你自己的 OpenAI （或兼容OpenAi格式）的 API 密钥。这个密钥是让 GraphRAG 能够调用 AI 模型进行分析的凭证。

settings.yaml 文件：这是个高级配置文件，我们需要使用自定义的模型，全靠这个

注意这里也需要修改，防止API过载

运行索引命令：

在终端里输入以下命令。-root ./ragtest 是告诉它我们的项目文件夹在哪里。

耐心等待：

这个过程会花一些时间，因为它在进行大量的阅读、理解和分析工作。处理完成后，你会看到 ragtest 文件夹里多了一个 output 文件夹，里面有很多 .parquet 文件。这些文件就是它生成的知识图谱！

开始提问-查询 🔎

知识图谱建好了，现在可以像那个聪明的图书管理员提问了。GraphRAG 提供了两种主要的提问方式：

方式一：全局搜索

用于提一些宏观、总结性的问题。

例子：问这本书的主要主题是什么？

命令：

它会查看整个知识图谱，给你一个高度概括的答案。

方式二：本地搜索

用于提一些关于特定人物、地点或事件的深入问题。

例子：问“史高治”是谁，以及他的主要人际关系是怎样的？

命令：

它会聚焦在知识图谱中“史高治”这个节点，并找出所有与他直接相关的联系和信息，给你一个非常具体的答案。

示例回答：

持久化

此部分针对于CNB云开发环境的用户，如何持久化数据进行保存

创建 .ide 文件夹，并创建Dockerfile文件和settings.json，写入以下数据

接下来，我们在根目录也创建一个文件 .cnb.yml

这个配置文件启用了我们默认的配置文件，并实现了销毁容器自动提交改变，无需手动提交

把代码推送到仓库

这里我们不推荐用code-server自带的推送，采用命令为佳

很好，到这就全部完成了，下次启动云原生开发环境直接输入

即可还原与之前一样的环境

总结

总的来说，使用 GraphRAG 的流程就是：

准备 (Setup)：安装工具，把你的文档（如 .txt, .pdf 等）放进 input 文件夹。

索引 (Index)：运行 graphrag index 命令，让它阅读文档并建立知识图谱。这是“一次性”的投入。

查询 (Query)：运行 graphrag query 命令，用 global 或 local 方式反复向你的知识库提问。

可视化 docker compose up -d

MATCH (n)-[r]->(m) RETURN n, r, m LIMIT 50

下一章节，我们来谈谈 GraphRag的技术原理，怎么进阶使用，用途怎么样