SuperAPI AI 工具集

graphify

通用与其它

查看项目

更新于 10-16 06:15

技能介绍

用途:Graphify 面向 LLM 应用构建知识图谱,用带关系的结构化上下文增强 AI 回答,支持基于图遍历的检索增强生成(Graph RAG)与以图为工具定义的智能体工作流。适用场景包括:构建带关系的知识库、实现 Graph RAG 提升召回、从非结构化文档抽取结构、构建带关系的智能体记忆、推荐系统、代码依赖分析。

主要能力:

  1. 图存储选型。内存图用于原型与小图(<10K 节点);PostgreSQL 加扩展(pggraph)用于已有 Postgres、需 ACID 的场景;Neo4j 用于复杂关系查询与遍历;Redis 用于缓存、实时与临时图;AWS Neptune 用于托管及 Gremlin/SPARQL、AWS 生态。
  2. 图算法。BFS/DFS 用于探索与连通性;Dijkstra/A* 用于加权寻路与成本优化;PageRank、介数中心性、度中心性用于识别重要节点;Louvain、标签传播用于社区发现;拓扑排序用于确定顺序。
  3. 抽取来源。文档(PDF、Markdown)按分块→实体→关系抽取;代码用 AST 解析导入、调用、类关系;网站解析 HTML 链接图;SQL 抽取表、列、外键的模式图;JSON/YAML 抽取配置与依赖图。
  4. LLM 构图。定义实体抽取与关系抽取提示词,关系带 0-1 置信度并按阈值(如 >0.7)过滤;用嵌入做语义搜索;支持增量构图:处理新文档、去重实体、增改关系、更新嵌入。
  5. LLM 集成。Graph RAG:将问题转为图查询、遍历相关子图、把关系上下文放入提示词;也支持混合 RAG:向量用于相似检索,图用于关系查询,两者结合。还可将图节点定义为智能体工具,或用图做子智能体编排路由。
  6. 可视化。文档用 Mermaid,Web 应用用 D3.js 力导向图,静态分析用 Graphviz(DOT),命令行用 ASCII。

使用方式:资料给出按步骤流程——先按查询模式选存储(先简单、按需升级),再从文档/代码/现有数据抽取图,随后增量构建并去重、加关系、更新嵌入,接着与 LLM 集成做检索或智能体工具,最后按需可视化以便调试与文档。文中包含 BFS、D3、Mermaid、Graphviz 等代码与图示片段,可按原样参考。

限制与注意事项:资料提示应避免过早引入 Neo4j 等基础设施,避免过度抽取造成噪声,图与向量是互补而非替代,图需要持续维护否则答案会过时,关系置信度用于质量过滤。是否提供安装命令、具体包名、收费或价格,资料中暂未提供。