dgraphrag

👉 Use the GraphRAG Accelerator
👉 Read the docs
👉 GraphRAG Arxiv

Overview

dgraphrag 是一个端到端 GraphRAG 工具包，帮助开发者从原始文本到知识图，再到 LLM 检索增强生成，串联完整流程并提供可插拔组件。 本项目由 eust-w 发起，由 D-Robotics（https://d-robotics.cc/）开源。

要了解 GraphRAG 如何从非结构化数据中构建知识图并增强 LLM，请参考官方文档。

Quickstart

pip install dgraphrag[neo4j,openai]         # 典型组合
dgrag ingest docs/                          # 构建图
dgrag ask "What is GraphRAG?"               # 提问

详细教程见 docs/quickstart.md。

Repository Guidance

本仓库提供一个最小可行实现（MVP），方便你快速试用 GraphRAG 思路。请注意，默认索引构建与 LLM API 调用可能产生成本，使用前请理解相应流程及费用。

⚠️ Warning: dgrag index 可能在大规模数据时耗费较多资源，请先评估数据量与预算。

Diving Deeper

• 了解核心概念与原理，阅读设计文档
• 想参与开发？请查看 CONTRIBUTING.md
• 加入社区讨论：GitHub Discussions / Slack (#dgraphrag)

Prompt Tuning

使用你自己的数据与 LLM 时，参考提示工程指南 来微调或构建高质量 prompt。

Versioning

版本遵循 语义化版本 (SemVer)。重大变更请查看 CHANGELOG.md。
使用前请始终运行：

dgrag info   # 检查当前索引版本与配置格式

Responsible AI FAQ

详见 RAI_TRANSPARENCY.md，其中解答了：

• GraphRAG 是什么？
• 它能做些什么？
• 潜在的局限与风险？
• ……

Trademarks

本项目可能包含第三方商标或徽标，其所有权归原持有人所有。本仓库仅出于学术与工程示范目的使用，不代表对这些商标或徽标的任何认可。

Privacy

dgraphrag 不会在本地以外收集或存储任何用户数据；所有内容均在你的控制下处理。请在提交敏感数据前自行评估风险。

pip install dgraphrag[arangodb,tigergraph,vector]
# 或者开发模式
pip install -e .[arangodb,tigergraph,vector]

Quick Start

from pathlib import Path

from dgraphrag import (
    LocalTextLoader,
    SimpleParagraphSplitter,
    RegexExtractor,
    InMemoryGraphAdapter,
    SimpleGraphBuilder,
    BasicGraphRetriever,
)

# create a small demo file
Path("demo.txt").write_text("GraphRAG is RetrievalAugmentedGeneration.\n\nRetrievalAugmentedGeneration is Powerful.")

loader = LocalTextLoader()
text = loader.load("demo.txt")

paragraphs = SimpleParagraphSplitter().split(text)
triples = RegexExtractor().extract(paragraphs)

adapter = InMemoryGraphAdapter()
SimpleGraphBuilder(adapter).build(triples)

retriever = BasicGraphRetriever(adapter)
print(retriever.answer("What is GraphRAG?"))