最近发现了一个名为GraphRAG的新开源项目，这个项目实际上是一个简化版的、易于理解的高精度Agent驱动检索框架——Fast-GraphRAG。使用Fast-GraphRAG只需要花费，相比原来的的0.48，节省了将近6倍的成本！并且随着数据大小和插入数量的增加，这种成本效益还会进一步提升。

特征

• 可解释和可调试的知识：图表提供了可查询、可视化和更新的知识的人类可导航视图。

• 快速、低成本、高效：设计用于大规模运行而不需要大量资源或成本要求。

• 动态数据：自动生成和优化图表以最适合您的领域和本体需求。

• 增量更新：支持数据变化时的实时更新。

• 智能探索：利用基于 PageRank 的图形探索来提高准确性和可靠性。

• 异步和类型化：完全异步，并具有完整的类型支持，以实现强大且可预测的工作流程。

Fast GraphRAG 旨在无缝融入你的检索管道，提供高级 RAG 的强大功能，而无需构建和设计Agent工作流程的开销。

对比LightRAG, GraphRAG and VectorDBs

查询

在查询测试中，Fast GraphRAG 在所有查询和多跳查询中的准确率分别高达 96% 和 95%，相比 VectorDB RAG 高出近4倍。

此外，Fast GraphRAG 还对数据集基准测试的插入时间进行了测量（大约800个块）：Fast GraphRAG 的插入时间约为1.5分钟，比 GraphRAG 快27倍，且检索的准确性提高了超过40%。

如何使用

pip install fast-graphrag

我们使用西游记的一个节选作为测试数据：https://libart.lyu.edu.cn/2010/1202/c1449a24647/page.htm

from fast_graphrag import GraphRAG``import os``import instructor``from fast_graphrag._llm import OpenAILLMService, OpenAIEmbeddingService``   ``   ``os.environ["CONCURRENT_TASK_LIMIT"] = "4"``   ``   ``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 = [`    `"齐天大圣是谁？",`    `"有哪些仙女？"``]``   ``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,`    `config=GraphRAG.Config(`        `llm_service=OpenAILLMService(`            `model="gpt-4o-mini",`            `api_key=os.environ["OPENAI_API_KEY"],`            `mode=instructor.Mode.JSON,`            `client="openai"`        `),`        `embedding_service=OpenAIEmbeddingService(`            `model="text-embedding-ada-002",`            `api_key=os.environ["OPENAI_API_KEY"],`            `client="openai"`        `),`    `),``)``   ``with open("./book.txt") as f:`    `grag.insert(f.read())``   ``print(grag.query("里面提到一首诗，具体是什么?").response)``   

返回的结果：

Extracting data: 100%|███████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 5343.06it/s]``天产猴王变化多，偷丹偷酒乐山窝。只因搅乱蟠桃会，十万天兵布网罗。

查询时，你还可以使用fast_graphrag指定几个参数。

• only_context：跳过答案生成步骤，只返回从图中检索到的上下文，该上下文将传递给LLM。这包括选择的节点、边和块，每一个都与它的相关性评分相关联，根据页面排名计算。

• with_references：可以要求LLM向用于生成答案的块（以及文档）添加内联引用。

此外，还可以指定为上下文使用多少令牌。默认值为：

• Entities_max_tokens = 4000：为检索节点（即实体）及其描述保留的上下文令牌数量。

• Relationships_max_tokens = 3000：为检索边（即实体之间的关系）及其描述保留的上下文令牌数量。

• Chunks_max_tokens = 9000：为检索块保留的上下文令牌数量。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】