Drehbuch-Assistent▸ 
AI Apps 
AI Nachrichten KAG: Framework für logisches QA auf Basis der OpenSPG-Engine und LLMs
小编 ·
KAG: Framework für logisches QA auf Basis der OpenSPG-Engine und LLMs
Was ist KAG?
KAG (Knowledge Augmented Generation) ist ein von Ant Group entwickeltes Framework für professionelle Wissensdienste, das auf der OpenSPG-Engine und LLMs basiert und darauf abzielt, logische Schlussfolgerungen und Frage-Antwort-Lösungen für vertikale Wissensdatenbanken zu realisieren. Durch die Kombination der Vorteile von Wissensgraphen und Vektorensuche überwindet es effektiv die Ambiguität der traditionellen RAG-Vektor-ähnlichkeitsberechnung und die durch OpenIE eingeführten Geräuschprobleme von GraphRAG. Es unterstützt logisches Schließen, Multi-Hop-Faktenfragen usw. und übertrifft den aktuellen Stand der Technik (SOTA).
Kernfunktionen von KAG
Frage-Antwort-Erweiterung für Fachbereiche: Durch die Kombination von Wissensgraphen und Vektorensuche werden die Frage-Antwort-Fähigkeiten großer Sprachmodelle in bestimmten Bereichen verbessert, um genauere, professionellere und logischere Antworten zu generieren.
Optimierung der Wissensdarstellung und -abfrage: Es wird ein LLM-freundliches Wissensdarstellungs-Framework verwendet, das eine gegenseitige Indizierung zwischen Wissensgraphen und ursprünglichen Textblöcken realisiert, den Prozess der Wissensdarstellung, des Schließens und der Abfrage optimiert und die Genauigkeit und Relevanz der Abfrageergebnisse verbessert.
Hybrides Schließen und Problemlösung: Basierend auf einer durch logische Formen geführten hybriden Schließ-Engine werden natürlichsprachliche Fragen in einen sprach- und symbolkombinierten Problemlösungsprozess umgewandelt. Dabei werden Abfrage, Wissensgraph-Schließen, Sprachschließen und numerische Berechnung integriert, um komplexe Probleme effektiv zu bearbeiten.
Wissensausrichtung und semantische Erweiterung: Die Wissensausrichtung erfolgt auf Basis semantischen Schließens, wobei Domänenwissen als verschiedene semantische Beziehungen definiert wird, um die Standardisierung und Konnektivität des Wissens zu verbessern und die Genauigkeit und Konsistenz der Wissensdarstellung zu erhöhen.
Technische Architektur von KAG
kg-builder: Verantwortlich für Wissensdarstellung und -aufbau. Implementiert eine LLM-freundliche Wissensdarstellung, aktualisiert die SPG-Wissensdarstellungsfähigkeit basierend auf der DIKW-Hierarchie, ist kompatibel mit schemafreiem und schema-basiertem Wissensaufbau und unterstützt die gegenseitige Indizierungsdarstellung von Graphstrukturen und Textblöcken, um eine effiziente Abfrage in der späteren Schlussfolgerungs- und Frage-Antwort-Phase zu ermöglichen.
kg-solver: Verantwortlich für Schließen und Problemlösung. Verwendet eine durch logische Formen geführte hybride Lösungs- und Schließ-Engine, die drei Operatoren (Planung, Schließen und Abfrage) umfasst und vier Problemlösungsprozesse (Abfrage, Wissensgraph-Schließen, Sprachschließen und numerische Berechnung) integrieren kann, um komplexe logische Schlussfolgerungs- und Frage-Antwort-Aufgaben zu bearbeiten.
kag-model: Wird schrittweise in Zukunft als Open Source veröffentlicht; seine Funktionen sind in der aktuellen Version nicht detailliert beschrieben.
KAG Nutzungsanleitung
Produktversion (für Endbenutzer)
Systemanforderungen: Empfohlene Systemversionen sind macOS Monterey 12.6 oder neuer, CentOS 7/Ubuntu 20.04 oder neuer, Windows 10 LTSC 2021 oder neuer.
Softwareanforderungen: macOS/Linux-Benutzer benötigen Docker und Docker Compose; Windows-Benutzer benötigen WSL 2/Hyper-V, Docker und Docker Compose.
Installationsschritte: Verwenden Sie die folgenden Befehle, um docker-compose.yml herunterzuladen und den Dienst mit Docker Compose zu starten:
curl -sSL https://raw.githubusercontent.com/OpenSPG/openspg/refs/heads/master/dev/release/docker-compose.yml -o docker-compose.yml docker compose -f docker-compose.yml up -d
Nutzungsmethode: Öffnen Sie im Browser den Standardlink des KAG-Produkts http://127.0.0.1:8887 und melden Sie sich mit dem Standardbenutzernamen openspg und dem Passwort openspg@kag an.
Toolpaket-Version (für Entwickler)
Installationsschritte:
Installieren Sie eine Python-Virtual-Environment, klonen Sie den Code und installieren Sie KAG.
macOS/Linux-Entwickler:
conda create -n kag-demo python=3.10 && conda activate kag-demo git clone https://github.com/OpenSPG/KAG.git cd KAG && pip install -e .
Windows-Entwickler:
py -m venv kag-demo && kag-demo\Scripts\activate git clone https://github.com/OpenSPG/KAG.git cd KAG && pip install -e .
Nutzungsmethode: Entwickler können auf Basis der in KAG integrierten Komponenten die Reproduktion der Ergebnisse eingebauter Datensätze sowie die Umsetzung neuer Szenarien realisieren.
GitHub: https://github.com/OpenSPG/KAG
OpenSPG: https://spg.openkg.cn/
