GraphRAG-Local-UI - 基于 GraphRAG 支持本地的聊天UI

伊织code2024-10-04 12:37

文章目录

一、关于 GraphRAG-Local-UI 🕸️

GraphRAG-Local-UI，是带有索引/提示-调整和查询/聊天UI！该项目是微软GraphRAG的改编，专为支持本地模型而定制，并具有全面的交互式用户交互界面生态系统。

特点🌟

  • 以API为中心的架构： 强大的基于FastAPI的服务器（api.py），作为GraphRAG操作的核心。
  • 专用索引和提示调整用户界面： 一个单独的基于图形的界面（index_app.py），用于管理索引和提示调整过程。
  • 本地模型支持：利用本地模型进行LLM和嵌入，包括与Ollama和OpenAI兼容的API的兼容性。
  • 经济高效：通过使用您自己的本地模型消除对昂贵的基于云的模型的依赖。
  • 交互式UI：用于管理数据、运行查询和可视化结果（主应用程序）的用户友好界面。
  • 实时图形可视化：使用Ploly（主应用程序）以2D或3D形式可视化您的知识图。
  • 文件管理：直接从UI上传、查看、编辑和删除输入文件。
  • 设置管理：通过UI轻松更新和管理您的GraphRAG设置。
  • 输出探索：浏览和查看索引输出和工件。
  • 日志记录：用于更好调试和监控的实时日志记录。
  • 灵活查询：支持具有可自定义参数的全局、本地和直接聊天查询（主应用程序）。
  • 可定制的可视化：调整图形布局、节点大小、颜色等以适应您的偏好（主应用程序）。

🗺️路线图

重要提示：由于日常工作和缺乏即时时间，更新一直很慢，但我保证我会尽可能在后台处理错误/问题。如果您想提供帮助并找到解决问题的好方法，请随时贡献/创建公关。

GraphRAG本地用户界面生态系统目前正在经历重大转变。虽然主要应用程序仍然有效，但我正在积极开发用于索引/提示调整和查询/聊天的单独应用程序，所有这些都是围绕强大的中央应用程序接口构建的。用户应该预料到在此过渡期间会有一些变化和潜在的不稳定性。

虽然它目前可以使用，但它仅在Mac Studio M2上进行了主要测试。

我对GraphRAG本地UI生态系统的愿景是成为使用GraphRAG和本地LLM的终极工具集，尽可能多地结合很酷的功能和知识图谱工具。我一直致力于改进和新功能。

最近更新

  • 新的以API为中心的架构（api.py)
  • 专用索引和提示调整UI（index_app.py)
  • 改进的文件管理和输出探索
  • 长时间运行操作的后台任务处理
  • 通过环境变量和YAML文件增强配置选项

即将推出的功能

  • 与API交互的专用查询/聊天UI
  • Dockerfile更易于部署
  • 启动您自己的GraphRAG API服务器以用于外部应用程序
  • 实验：用于知识图谱索引/查询的代理混合
  • 支持更多文件格式（CSV、PDF等）
  • 网络搜索/抓取功能
  • 高级图形分析工具
  • 与流行的知识管理工具集成
  • 基于团队的知识图谱构建的协作特征

我致力于使GraphRAG本地用户界面生态系统成为使用知识图和LLM的最全面和用户友好的工具集。在塑造这个项目的未来时，非常需要您的反馈和建议。

如果您遇到错误，请随时打开问题，我会尽快解决它，以尽量减少您可能遇到的任何停机时间。

二、📦安装和设置

按照以下步骤设置和运行GraphRAG本地UI生态系统：

1、创建并激活一个新的conda环境：

python 复制代码 
conda create -n graphrag-local -y
conda activate graphrag-local

2、安装所需的包：

首先从此存储库安装GraphRAG目录（Microsoft存储库中不存在更改）：

shell 复制代码 
pip install -e ./graphrag

然后安装其余的依赖项：

shell 复制代码 
pip install -r requirements.txt

3、启动API服务器：

shell 复制代码 
python api.py --host 0.0.0.0 --port 8012 --reload

4、如果使用Ollama进行嵌入，请启动嵌入代理：

shell 复制代码 
python embedding_proxy.py --port 11435 --host http://localhost:11434

注意：有关将Ollama嵌入与GraphRAG一起使用的详细说明，请参阅EMBEDDING_PROXY_README.md文件。

5、启动索引和提示调整UI：

python 复制代码 
gradio index_app.py

6、启动主交互式UI（旧版应用程序）：

python 复制代码 
gradio app.py

或者

shell 复制代码 
python app.py

7、访问UI：

  • 索引和提示调整UI：打开Web浏览器并导航到http://localhost:7861
  • 主UI（旧版）：打开Web浏览器并导航到http://localhost:7860

三、使用入门🚀

GraphRAG专为灵活性而设计，允许您快速创建和初始化自己的索引目录。按照以下步骤设置您的环境：

1、创建索引目录

此repo带有一个预制的索引文件夹，但您可能想制作自己的索引文件夹，因此以下是步骤。首先，为输入数据和索引结果创建所需的目录结构：

python 复制代码 
mkdir -p ./indexing/input

该目录将存储：

  • 输入.txt文件进行索引
  • 输出结果
  • 提示及时调整

2、添加示例数据（可选）

如果您想从示例数据开始，请将其复制到您的新输入目录：

python 复制代码 
cp input/* ./indexing/input

您还可以将自己的.txt文件添加到此目录以进行索引。

3、初始化索引文件夹

运行以下命令以使用所需文件初始化./index 文件夹：

python 复制代码 
python -m graphrag.index --init --root ./indexing

4、配置设置

将预先配置好的settings.yaml文件移动到索引目录：

python 复制代码 
mv settings.yaml ./indexing

此文件包含主要配置，预设用于本地模型。

5、定制

您可以通过修改以下环境变量来自定义设置：

  • ROOT_DIR：指向您的主索引目录
  • INPUT_DIR：指定输入文件的位置

四、GraphRAG应用生态系统 🖥️

GraphRAG Local UI生态系统由三个主要组件组成，每个组件在知识图谱创建和查询过程中都有特定用途：

1、核心API（api.py）

该api.py文件作为GraphRAG系统的主干，提供了一个强大的基于FastAPI的服务器来处理所有核心操作。

主要特点：

  • 管理索引和提示调整过程
  • 处理各种查询类型（本地、全局和直接聊天）
  • 与本地LLM和嵌入模型集成
  • 为文件管理和系统配置提供端点

用法：

python 复制代码 
python api.py --host 0.0.0.0 --port 8012 --reload

注意：如果使用Ollama进行嵌入，请确保在api.py旁边运行嵌入代理（embedding_proxy.py）。有关详细说明，请参阅EMBEDDING_PROXY_README.md。

2、索引和提示调整UI（index_app.py）

工作流集成

  1. 启动Core API（api.py）以启用后端功能。
  2. 如果使用Ollama进行嵌入，请启动嵌入代理（embedding_proxy.py）。
  3. 使用索引和提示调整UI（index_app.py）准备数据并微调系统。
  4. （可选）使用主交互式UI（app.py）进行可视化和遗留功能。

这种模块化方法为GraphRAG系统提供了更大的灵活性和更容易的维护。随着开发的继续，app.py的功能将逐渐集成到与核心应用编程接**互的新的专用接口中。

2、索引和提示调整UI（index_app.py）

该index_app.py文件提供了一个用户友好的Gradio界面，用于管理索引和提示调整过程。

主要特点：

  • 配置和运行索引任务
  • 设置并执行提示调整
  • 管理输入文件并探索输出数据
  • 调整LLM和嵌入设置

用法：

python 复制代码 
python index_app.py

访问UI：http://localhost:7861

3、Main Interactive UI (Legacy App) (app.py)

该app.py文件是预先存在的主应用程序，正在逐步淘汰，但仍提供有用的功能。

主要特点：

  • 以2D或3D形式可视化知识图
  • 运行查询并查看结果
  • 管理GraphRAG设置
  • 探索索引数据

用法：

python 复制代码 
python app.py

或者

python 复制代码 
gradio app.py

在 http://localhost:7860

工作流集成

  1. 启动Core API（api.py）以启用后端功能。
  2. 使用索引和提示调整UI（index_app.py）准备数据并微调系统。
  3. （可选）使用主交互式UI（app.py）进行可视化和遗留功能。

这种模块化方法为GraphRAG系统提供了更大的灵活性和更容易的维护。随着开发的继续，app.py的功能将逐渐集成到与核心应用编程接**互的新的专用接口中。

五、其它

📚引用

故障排除

  • 如果您在使用新API或索引UI时遇到任何问题，请检查控制台日志以获取详细的错误消息。
  • 对于主应用程序，如果您无法运行gradio app.py，请尝试运行pip install --upgrade gradio，然后退出并启动一个新终端。然后它应该作为Gradio应用程序正常加载和启动。
  • 在Windows上，如果遇到编码/UTF错误，可以在YAML设置菜单中将其更改为正确的格式。

对于任何问题或功能请求，请在GitHub存储库上打开一个问题。快乐的知识图表！

2024-09-04 -- 09-24（二）

相关推荐
神一样的老师2 小时前
如何解决 Photoshop 中的“暂存盘已满”错误
ui·photoshop
JasonLiu19199 小时前
论文推荐 |【Agent】自动化Agent设计系统
人工智能·自动化·llm·agent·智能体
ulimpid11 小时前
LLM | Xinference 安装使用（支持CPU、Metal、CUDA推理和分布式部署）
llm·xinference
Avalon7121 天前
UniVue大版本更新：UniVue2.0.0-preview
游戏·ui·unity·c#
AI_小站1 天前
图解大模型计算加速系列：vLLM源码解析1，整体架构
人工智能·深度学习·架构·llm·大语言模型·ai大模型·vllm
iQM752 天前
TinyVue：一款轻量级且功能强大的Vue UI组件库
前端·javascript·vue.js·ui·jenkins·excel
强哥之神2 天前
一文了解：最新版本 Llama 3.2
人工智能·深度学习·机器学习·计算机视觉·语言模型·llm·llama
Logrus IT2 天前
如何提高游戏本地化的质量使用QE门户网站Logrus IT
ui·软件工程·玩游戏
热门推荐
01【经验分享】Ubuntu22.04安装微信(linux官方版)02组基轨迹建模 GBTM的介绍与实现（Stata 或 R）032024年高教社杯数学建模国赛C题超详细解题思路分析042024CCPC网络预选赛 I. 找行李 【DP】05RAG 实践- Ollama+RagFlow 部署本地知识库06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提07彻底搞定ComfyUI中的采样器和调度器08安卓系列机型永久去除data分区加密 详细步骤解析09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10【深度学习】什么是交叉注意力机制？