随着 ChatGPT 的横空出世，大模型已然成为人工智能领域的焦点。大模型在语言理解、对话生成方面表现得尤其亮眼，而知识图谱则擅长大模型所无法解决的事实性"幻觉"和复杂推理问题。将知识图谱和大语言模型结合起来，充分发挥各自的优势，能为用户提供更优质的人工智能服务和产品。

去年 10 月 26 日，OpenSPG 正式开源，希望和社区一起共同推动知识图谱技术的发展和大模型+知识图谱双驱技术的落地应用。今年 1 月 10 日，OpenSPG 发布了 0.0.2 版本，旨在帮助用户进一步降低知识图谱的使用门槛，并通过神经网络框架 NN4K，为 OpenSPG 接入简单易用、模式统一的大模型服务。

GitHub：github.com/OpenSPG/ope... Star 关注~

下面将为大家一一介绍这些最新功能：

亮点一览

镜像版支持一键安装部署，只需 2 行命令即可完成 OpenSPG 服务端和客户端部署；
发布知识建模最佳实践指导原则，只需记住 7 个原则就可以搞定 SPG 图谱建模，无需理解复杂的图谱术语；
基于 KNext 可编程框架，用户只需 3 个步骤即可完成知识构建，Schema 面向对象建模、开发知识构建算子以及编排 BuilderChain，快速完成单图谱构建；
基于 NN4K 支持大模型知识抽取，提供完整的 LLM SFT、SPG Based AutoPrompt 和 LLM Invoker 完整链路，并内置 GPT 链路；
开源逻辑规则推理 Reasoner，可体验完备的逻辑规则与基础事实融合的全新知识推理引擎。

更新 1：2 条命令搞定安装部署

OpenSPG 0.0.2 开始支持镜像版一键安装部署，用户只需要运行 2 条 Docker 命令就可以完成部署。

OpenSPG 将整个应用分为客户端和服务端，客户端包含 KNext 框架，Builder 和 Reasoner 引擎，服务端包含 Schema 服务，TuGraph 图存储引擎，ElasticSearch 搜索引擎。客户端和服务端分别提供 Docker 镜像的快速部署。

👉 了解详情：spg.openkg.cn/tutorial/in...

更新 2：7 个原则搞定 Schema 建模

为了帮助大家更好地理解和应用 SPG 构建知识图谱，我们从 SPG 建模的最佳实践中总结出 7 个原则，发布在 OpenSPG 0.0.2 的用户文档中，并且每个原则都搭配了相关示例进行说明。用户只需要了解这 7 个原则，就能够搞定知识图谱的 Schema 建模。

👉 了解详情：
spg.openkg.cn/introductio...
spg.openkg.cn/tutorial/sc...

更新 3：升级 KNext 可编程框架，3 个步骤实现知识构建

KNext 框架定义了 Chain，Component，Operator 等抽象模型，用户可以基于这些模型快速构建和使用图谱。

Component 定义图谱组件化能力，比如知识抽取，知识映射，知识推理等。Chain 将这些组件化能力串连完成图谱构建或者推理等流程。Operator 定义了 4 类算子，包含知识抽取、实体链指、关系预测、知识融合，用户可以自定义这些算子完成知识图谱构建过程中的复杂处理。每个任务只需要关注单类型要素及一跳出边的构建，系统会自动完成复杂子图的组装和构造，将图谱构建成本降到更低。

👉 了解详情：spg.openkg.cn/introductio...

更新 4：基于 NN4K 的大模型知识抽取

ChatGPT 在多种任务中表现出的智能令人印象深刻，使用 ChatGPT 和其他大语言模型增强知识图谱，可使知识图谱的构建过程更加准确和自动化，为此我们抽象了适合知识图谱的神经网络框架 NN4K。

NN4K 是一个神经网络模型的开发、管理、服务框架，为 OpenSPG 提供简单易用、模式统一的大模型服务。此次发布我们实现了在知识图谱构建过程中，调用大语言模型技术帮助构建图谱。与 OpenAI API 兼容的大语言模型服务，可通过修改配置方便接入；与 OpenAI API 不兼容的大语言模型服务，用户可通过开发自定义 NNInvoker 的方式接入。

👉 了解详情：spg.openkg.cn/tutorial/kn...

更新 5：开源规则推理 Reasoner

规则推理是知识图谱非常重要的一部分，将图谱的事实知识抽象并关联到具有实际的商业价值的逻辑知识。在 OpenSPG 0.0.2 中开源了完整的 Reasoner 能力，包括语法解析，执行计划，推理执行引擎。同时执行引擎侧定义 RDG 引擎扩展层，允许用户将推理能力迁移到自有图计算引擎。