GN⁺: HN 공개: FastGraphRAG – 전통적인 PageRank를 활용한 개선된 RAG 기술

Streamlined and promptable Fast GraphRAG framework

• 해석 가능하고 디버깅 가능한 지식: 그래프는 사람이 탐색할 수 있는 지식의 뷰를 제공하며, 쿼리, 시각화, 업데이트가 가능함
• 빠르고 저렴하며 효율적: 대규모로 실행할 수 있도록 설계되어 자원이나 비용 요구가 적음
• 동적 데이터: 도메인과 온톨로지 요구에 맞게 그래프를 자동으로 생성하고 개선함
• 점진적 업데이트: 데이터가 발전함에 따라 실시간 업데이트를 지원함
• 지능적 탐색: PageRank 기반의 그래프 탐색을 활용하여 정확성과 신뢰성을 높임
• 비동기 및 타입 지원: 완전한 비동기 및 타입 지원으로 견고하고 예측 가능한 워크플로우를 제공함

설치

• PyPi에서 설치 (권장됨)

  pip install fast-graphrag
  

• 소스에서 설치

  # 이 저장소를 먼저 클론
  cd fast_graphrag
  poetry install
  

빠른 시작

• OpenAI API 키를 환경에 설정

  export OPENAI_API_KEY="sk-..."
  

• Charles Dickens의 A Christmas Carol 다운로드

  curl https://raw.githubusercontent.com/circlemind-ai/fast-graphrag/… > ./book.txt
  

• Python 코드 예시

  from fast_graphrag import GraphRAG
  
  DOMAIN = "Analyze this story and identify the characters. Focus on how they interact with each other, the locations they explore, and their relationships."
  EXAMPLE_QUERIES = [
      "What is the significance of Christmas Eve in A Christmas Carol?",
      "How does the setting of Victorian London contribute to the story's themes?",
      "Describe the chain of events that leads to Scrooge's transformation.",
      "How does Dickens use the different spirits (Past, Present, and Future) to guide Scrooge?",
      "Why does Dickens choose to divide the story into \"staves\" rather than chapters?"
  ]
  ENTITY_TYPES = ["Character", "Animal", "Place", "Object", "Activity", "Event"]
  
  grag = GraphRAG(
      working_dir="./book_example",
      domain=DOMAIN,
      example_queries="\n".join(EXAMPLE_QUERIES),
      entity_types=ENTITY_TYPES
  )
  
  with open("./book.txt") as f:
      grag.insert(f.read())
      print(grag.query("Who is Scrooge?").response)
  

• 동일한 작업 디렉토리에서 fast-graphrag를 다시 초기화할 때 모든 지식을 자동으로 유지함

예제

• examples 폴더를 참조하여 라이브러리의 일반적인 사용 사례에 대한 튜토리얼 확인 가능
  • custom_llm.py: 다양한 OpenAI API 호환 언어 모델 및 임베더와 함께 fast-graphrag를 구성하는 간단한 예제

기여

• 크고 작은 기여를 환영함. 기여는 오픈 소스 커뮤니티를 배우고, 영감을 주고, 창조하는 놀라운 장소로 만듦
• 기여 가이드를 확인하여 시작하는 방법을 알아볼 수 있음
• 시작할 곳을 모르겠다면 Discord에 가입하여 질문 가능

철학

• 우리의 사명은 세계에서 성공적인 GenAI 애플리케이션의 수를 증가시키는 것임
• 이를 위해, LLM 앱이 에이전트 워크플로우 설정 및 유지의 복잡성 없이 고도로 전문화된 검색 파이프라인을 활용할 수 있도록 메모리 및 데이터 도구를 구축함

오픈 소스 또는 관리 서비스

• 이 저장소는 MIT 라이선스 하에 있음. 자세한 내용은 LICENSE.txt 참조
• Fast GraphRAG를 시작하는 가장 빠르고 신뢰할 수 있는 방법은 관리 서비스를 사용하는 것임
• 매달 처음 100개의 요청은 무료이며, 이후 사용량에 따라 요금이 부과됨