graphrag

docker+ollama运行微软graphRAG实战流程2-安装运行graphRAG不是最新的ollama的话会导致接口出问题。最后的.代表是当前目录。本人使用的是deepseek大模型和本地ollama的嵌入模型，当然大模型也可以使用本地，但是效果不是很好。而ds的api送得多，效果还可以，就先用着了。

docker+ollama运行微软graphRAG实战流程1-安装运行模型先建立容器查看镜像：查看端口是否占用创建容器：查看容器：复制新创建的容器的id替换-it后边的编码，进入容器：

使用ollama取代openai的api进行graphRAG失败记录pip install ollamapip install langchain_ollamagraph_documents = llm_transformer.convert_to_graph_documents(split_documents) print(graph_documents)

GraphRAG如何使用ollama提供的llm model 和Embedding model服务构建本地知识库在GraphRAG的使用过程中将需要踩的坑都踩了一遍（不得不吐槽下，官方代码有很多遗留问题，他们自己也承认工作重心在算法的优化而不是各种模型和框架的兼容性适配性上），经过了大量的查阅各种资料以及debug过程（Indexing的过程有点费机器），最终成功运行了GraphRAG项目。先后测试了两种方式，都成功了:

黑夜寻白天

LLM之本地部署GraphRAG（GLM-4+Xinference的embedding模型）（附带ollma部署方式）前言有空再写微软开源的GraphRAG默认是使用openai的接口的（GPT的接口那是要money的），于是就研究了如何使用开源模型本地部署。

微软GraphRAG，开启智能检索新篇章©作者|YXFFF来源|神州问学1. 引言检索增强生成（RAG）是一种根据用户的查询语句搜索信息，并以搜索结果为 AI 参考从而生成回答。这项技术是多数基于 LLM 工具的重要组成部分，而多数的 RAG 都采用向量相似性作为搜索的技术。在文档中复杂信息的分析时，GraphRAG 利用 LLM 生成的知识图谱大幅提升了问答的性能。

如果皮卡会coding

【GraphRAG】微软 graphrag 效果实测本文将基于以下来源，对Microsoft GraphRAG分析优缺点、以及示例实测分析。代码仓库：Welcome to GraphRAGhttps://microsoft.github.io/graphrag/

道长不会写代码

探索GraphRAG：构建高效的知识图谱索引与查询引擎GraphRAG是一个基于图的检索增强生成系统，它通过索引文本数据，然后使用这些索引数据来回答有关文档的问题。系统的核心在于其索引管道和查询引擎，它们共同工作，以提供快速且准确的信息检索服务。

微软GraphRAG +本地模型+Gradio 简单测试笔记修改settings.yamlLLM模型：Qwen2-72B-Instruct EMBEDDING模型： bge-large-zh-v1.5

一个处女座的程序猿

LLMs之RAG：GraphRAG(本质是名词Knowledge Graph/Microsoft微软发布)的简介、安装和使用方法、案例应用之详细攻略LLMs之RAG：GraphRAG(本质是名词Knowledge Graph/Microsoft微软发布)的简介、安装和使用方法、案例应用之详细攻略