产品简介
gfm-rag GFM-RAG是一个开源RAG管道，利用图神经网络在图索引上推理，检索相关文档用于问答。它支持多种结构化知识如知识图谱，无需微调即可应用于新数据集，或微调以适应特定领域。适合需要构建高效问答系统的研究人员和开发者。
核心功能
- 图基础模型驱动的检索器，支持图推理
- 通用图索引，兼容知识图谱、文档图等结构
- 高效单步检索，支持多跳推理
- 无需微调即可应用于未见数据集
- 可微调以提升特定领域性能
快速开始
- 创建Conda环境并安装CUDA工具包：conda create -n gfmrag python=3.12 && conda activate gfmrag && conda install cuda-toolkit -c nvidia/label/cuda-12.6.3
- 安装GFM-RAG包：pip install gfmrag
- 准备数据文件（如documents.json）或放置现有图文件到指定目录
- 初始化GFMRetriever并调用retrieve方法检索文档
界面预览
与其他方案对比
| 对比项 | gfm-rag | 同类方案 |
|---|---|---|
| 检索方法 | 基于图神经网络推理，支持多跳关系检索 | 传统文本嵌入方法，依赖词义相似度，忽略结构关系 |
| 通用性 | 可直接应用于新数据集，无需微调 | 通常需要针对新数据集重新训练或调整模型 |
适合谁用
- 需要构建智能问答系统的研究人员
- 处理知识图谱或文档数据的开发者
- 希望提升大语言模型生成质量的数据科学家
下载与版本
当前最新版本为 v2.0.0，发布于 2026-04-19。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/RManLuo/gfm-rag