microsoft/graphrag

# GraphRAG 👉 [Microsoft Research 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的结构化数据。 要了解更多关于 GraphRAG 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 Microsoft Research 博客文章。 ## 快速开始 要开始使用 GraphRAG 系统，我们建议尝试[命令行快速开始](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，并非受官方支持的 Microsoft 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 开箱即用地将 _GraphRAG_ 用于你的数据可能无法产生最佳结果。 我们强烈建议按照我们文档中的 [Prompt 调优指南](https://microsoft.github.io/graphrag/prompt_tuning/overview/)对你的 prompt 进行微调。 ## 版本控制 有关我们对项目进行版本控制的方法的说明，请参阅[重大变更](./breaking-changes.md)文档。 *在次要版本更新之间，请始终运行 `graphrag init --root [path] --force` 以确保你拥有最新的配置格式。如果在主要版本更新之间你想避免对先前数据集重新建立索引，请运行提供的迁移笔记本。请注意，这将覆盖你的配置和 prompt，如有必要请进行备份。* ## 负责任的 AI 常见问题解答 请参阅 [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 有哪些局限性？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能够实现有效且负责任地使用 GraphRAG？](./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。授权使用 Microsoft 商标或徽标受以下条款约束并必须遵循 [Microsoft 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 Microsoft 商标或徽标不得引起混淆或暗示 Microsoft 的赞助。 任何第三方商标或徽标的使用均受该第三方政策的约束。 ## 隐私 [Microsoft 隐私声明](https://privacy.microsoft.com/en-us/privacystatement)

标签：C2, DLL 劫持, Python, 人工智能, 大语言模型, 无后门, 检索增强生成, 用户模式Hook绕过, 逆向工具