Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
提供了一种gpt大模型平替解决方案实现利用非gpt大模型去使用Graphrag，支持多类型大模型如本地大模型(Ollama)、阿里云通义千问、百度文心千帆、智谱ChatGML、讯飞星火认知、Ollama、Moonshot AI、Google Gemini等。示例代码使用阿里的通义千问大模型，其他大模型使用方式相同。
| Date | Stars |
|---|---|
| 2026-07-31 | 441 |
| 2026-08-01 | 441 |
| 2026-08-02 | 441 |
| 2026-08-11 | 441 |
| 2026-08-12 | 441 |
| 2026-08-18 | 441 |
| 2026-08-20 | 442 |
| 2026-09-09 | 443 |
| 2026-09-16 | 443 |
| 2026-09-18 | 444 |
| 2026-09-20 | 444 |
Today
— stars today
This week
+1 stars this week
This month
+2 stars this month
Momentum
0.0
growth rate 0.23%/day
# 0、相关视频教程 (1)【大模型应用开发基础】集成开发环境搭建Anaconda+PyCharm https://www.bilibili.com/video/BV1q9HxeEEtT/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/myVgyitFzrA (2)【GraphRAG+阿里通义千问大模型】构建+检索全流程实操，打造基于知识图谱的本地知识库，本地搜索、全局搜索二合一 https://www.bilibili.com/video/BV1yzHxeZEG5/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/w9CRDbafhPI (3)【GraphRAG+知识图谱可视化】知识图谱neo4j可视化呈现，构建近2万字文本知识图谱，打造基于知识图谱的本地知识库，本地搜索、全局搜索二合一 https://www.bilibili.com/video/BV1prHxe4E9J/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/IqE-FP3YLj4 (4)【GraphRAG最新版本0.3.0对比实战评测】使用gpt-4o-mini和qwen-plus分别构建近2万字文本知识索引+本地/全局检索对比测试 https://www.bilibili.com/video/BV1maHxeYEB1/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/iXfsJrXCEwA (4)【GraphRAG+智谱AI大模型】构建+检索全流程实操，打造基于知识图谱的本地知识库，本地搜索、全局搜索二合一 https://www.bilibili.com/video/BV11vHxehEiU/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/0l4OYQ81GEo (5)【GraphRAG+讯飞星火大模型】构建+检索全流程实操，打造基于知识图谱的本地知识库，本地搜索、全局搜索二合一 https://www.bilibili.com/video/BV17QHxeSEjy/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/42oQAp2Gf1g (6)【GraphRAG+Ollama】本地开源大模型llama3.1与qwen2构建+检索全流程实操对比评测，打造基于知识图谱的本地知识库，本地搜索、全局搜索二合一 https://www.bilibili.com/video/BV1mpH9eVES1/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/thNMan45lWA (7)(2024.11.5) GraphRAG 发布了 0.4.0版本，该版本的代码经过一轮重构后，已于之前的代码结构有了很大的不同 该版本引入了增量更新索引和DRIFT图推理搜索查询(一种混合本地与全局的搜索的方法) github地址:https://github.com/microsoft/graphrag 官网地址:https://microsoft.github.io/graphrag/query/overview/ # 1、准备工作 ## 1.1 graphrag基础概念 ### （1）定义 GraphRAG是微软研究院开发的一种创新型检索增强生成（RAG）方法，旨在提高大语言模型LLM在处理复杂信息和私有数据集时的推理能力 ### (2)索引 indexing 是一个数据管道和转换套件，旨在利用LLM从非结构化文本中提取有意义的结构化数据 核心功能： **[1]** 从原始文本中提取实体、关系和声明 **[2]** 在实体中执行社区检测 **[3]** 生成多级粒度的社群摘要和报告 **[4]** 将实体嵌入图向量空间 **[5]** 将文本块嵌入文本向量空间 **[6]** 管道的输出可以json和parquet等多种格式存储 提供的实体类型： **[1]** Document：输入的文档，csv或txt中的单个行 **[2]** TextUnit：要分析的文本块，Document与TextUnit关系为1:N关系 **[3]** Entity：从TextUnit中提取的实体 **[4]** Relationship：两个实体之间的关系，关系由Covariate（协变量）生成 **[5]** Covariate：协变量，提取声明信息，包含实体的声明 **[6]** CommunityReport：社群报告，实体生成后对其执行分层社群检测，并为该分层中的每个社群生成报告 **[7]** Node：节点，实体和文档渲染图的布局信息 ### (3)提示微调 prompt tuning 为生成的知识图谱创建领域自适应prompt模版的功能，提供两种方式进行调整： **自动调整：** 通过加载输入，将输入分割成文本块，然后运行一系列LLM调用和prompt模版替换来生成最终的prompt模版 **手动调整：** 手动调整prompt模版 **具体用法如下：** python -m graphrag.prompt_tune --config ./settings.yaml --root ./ --no-entity-types --language Chinese --output ./prompts 根据实际情况选择相关参数： **--config** :(必选) 所使用的配置文件，这里选择setting.yaml文件 **--root** :(可选)数据项目根目录，包括配置文件（YML、JSON 或 .env）。默认为当前目录 **--domain** :(可选)与输入数据相关的域，如 “空间科学”、“微生物学 ”或 “环境新闻”。如果留空，域将从输入数据中推断出来 **--method** :(可选)选择文档的方法。选项包括全部(all)、随机(random)或顶部(top)。默认为随机 **--limit** :(可选)使用随机或顶部选择时加载文本单位的限制。默认为 15 **--language** :(可选)用于处理输入的语言。如果与输入语言不同，LLM 将进行翻译。默认值为“”，表示将从输入中自动检测 **--max-tokens** :(可选)生成提示符的最大token数。默认值为 2000 **--chunk-size** :(可选)从输入文档生成文本单元时使用的标记大小。默认值为 20 **--no-entity-types**（无实体类型） :(可选)使用无类型实体提取生成。建议在数据涵盖大量主题或高度随机化时使用 **--output** :(可选)保存生成的提示信息的文件夹。默认为 “prompts” ### (4)检索 query 本地搜索（Local Search）、全局搜索（Global Search）、问题生成（Question Generation） **本地搜索（Local Search）：基于实体的推理** 本地搜索方法将知识图谱中的结构化数据与输入文档中的非结构化数据结合起来，在查询时用相关实体信息增强 LLM 上下文 这种方法非常适合回答需要了解输入文档中提到的特
Excerpt of 10,537 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:99fdbabe00f93228, llm:Repository description (Chinese): provides a GPT large-model alternative solution to use Graphrag, supports multiple model types including local models (Ollama), Alibaba Tongyi, Baidu Wenxin, ChatGML, iFlytek, Moonshot AI, Google Gemini, etc. Example uses Alibaba Tongyi.
matched fp:99fdbabe00f93228, llm:Repository description (Chinese): provides a GPT large-model alternative solution to use Graphrag, supports multiple model types including local models (Ollama), Alibaba Tongyi, Baidu Wenxin, ChatGML, iFlytek, Moonshot AI, Google Gemini, etc. Example uses Alibaba Tongyi.