AkiraAravind/SentinelAI

# GraphRAG 👉 [微软研究院博客文章](https://www.microsoft.com/en-us/research/blog/graphrag-unlocking-llm-discovery-on-narrative-private-data/)
👉 [阅读文档](https://microsoft.github.io/graphrag)
👉 [GraphRAG Arxiv](https://arxiv.org/pdf/2404.16130) ## 概述 GraphRAG 项目是一个数据处理 pipeline 和转换套件，旨在利用 LLM 的强大功能从非结构化文本中提取有意义、结构化的数据。 要了解更多关于 GraphRAG 的信息，以及如何利用它来增强你的 LLM 对私有数据进行推理的能力，请访问 微软研究院博客文章。 ## 快速开始 要开始使用 GraphRAG 系统，我们建议您尝试一下[命令行快速入门](https://microsoft.github.io/graphrag/get_started/)。 ## 仓库指南 本仓库展示了一种使用知识图谱记忆结构来增强 LLM 输出的方法。请注意，提供的代码仅作演示之用，并非微软官方提供支持的产品。 ⚠️ *警告：GraphRAG 索引可能是一项昂贵的操作，请阅读所有文档以了解相关流程和成本，并从小规模开始。* ## 深入探索 ## Prompt 调优 直接开箱即用地将 _GraphRAG_ 用于您的数据可能无法产生最佳的结果。 我们强烈建议您按照我们文档中的[Prompt 调优指南](https://microsoft.github.io/graphrag/prompt_tuning/overview/)对您的 prompt 进行微调。 ## 版本控制 请查阅[重大变更](./breaking-changes.md)文档，以了解我们对项目进行版本控制的方法。 *在次要版本升级之间，请始终运行 `graphrag init --root [path] --force`，以确保您拥有最新的配置格式。如果您想避免对以前的数据集重新建立索引，请在主要版本升级之间运行提供的迁移笔记本。请注意，这将覆盖您的配置和 prompt，如有必要请做好备份。* ## 负责任的 AI 常见问题解答 请参见 [RAI_TRANSPARENCY.md](./RAI_TRANSPARENCY.md) - [什么是 GraphRAG？](./RAI_TRANSPARENCY.md#what-is-graphrag) - [GraphRAG 能做什么？](./RAI_TRANSPARENCY.md#what-can-graphrag-do) - [GraphRAG 的预期用途是什么？](./RAI_TRANSPARENCY.md#what-are-graphrags-intended-uses) - [GraphRAG 是如何评估的？使用哪些指标来衡量性能？](./RAI_TRANSPARENCY.md#how-was-graphrag-evaluated-what-metrics-are-used-to-measure-performance) - [GraphRAG 的局限性是什么？用户在使用该系统时如何将 GraphRAG 局限性的影响降至最低？](./RAI_TRANSPARENCY.md#what-are-the-limitations-of-graphrag-how-can-users-minimize-the-impact-of-graphrags-limitations-when-using-the-system) - [哪些操作因素和设置可以实现 GraphRAG 的有效且负责任的使用？](./RAI_TRANSPARENCY.md#what-operational-factors-and-settings-allow-for-effective-and-responsible-use-of-graphrag) ## 商标 本项目可能包含项目、产品或服务的商标或徽标。微软商标或徽标的授权使用受以下条款约束并必须遵循 [微软商标和品牌指南](https://www.microsoft.com/en-us/legal/intellectualproperty/trademarks/usage/general)。 在本项目的修改版本中使用微软商标或徽标，不得引起混淆或暗示微软的赞助。 任何第三方商标或徽标的使用均受相关第三方政策的约束。 ## 隐私 [微软隐私声明](https://privacy.microsoft.com/en-us/privacystatement)

标签：C2, 逆向工具