GraphGen

环境要求

• Python 环境（README 未指定具体版本）
• uv 包管理工具，用于 uv pip install graphg
• 可访问的 LLM 服务及 API Key（synthesizer 与 trainee 各一套）
• 源码运行需可执行 bash 脚本的类 Unix 环境
• 可选：Docker，用于容器方式部署

安装与启动步骤

1. 1安装 GraphGen

   通过 PyPI 安装官方发布的 graphg 包，安装后即可使用 graphg 命令行。

   uv pip install graphg

   复制

2. 2复制环境变量模板

   从源码运行时，在项目根目录生成 .env 文件，后续所有模型配置都写在这里。

   cp .env.example .env

   复制

3. 3填写 .env 配置

   按所选后端填写 synthesizer（建图与造数据）和 trainee（训练用）模型、地址与密钥。

4. 4调整生成参数

   可选。在 examples 下的 YAML 中改 working_dir、graph_backend、kv_backend 和输入文件路径。

5. 5运行生成脚本

   按需要的格式选择对应脚本，例如 cot 生成思维链问答对，其余格式见 README 表格。

   bash examples/generate/generate_cot_qa/generate_cot.sh

   复制

6. 6查看生成结果

   生成的问答数据默认写入 cache/output 目录，用 ls 确认文件已产出。

   ls cache/output

   复制

7. 7CLI 直接运行

   不克隆源码时，可用环境变量加 graphg 命令直接跑，输出目录由 --output_dir 指定。

   SYNTHESIZER_MODEL=your_synthesizer_model_name 
   SYNTHESIZER_BASE_URL=your_base_url_for_synthesizer_model 
   SYNTHESIZER_API_KEY=your_api_key_for_synthesizer_model 
   TRAINEE_MODEL=your_trainee_model_name 
   TRAINEE_BASE_URL=your_base_url_for_trainee_model 
   TRAINEE_API_KEY=your_api_key_for_trainee_model 
   graphg --output_dir cache

   复制

8. 8Docker 方式运行

   先构建镜像，再以 7860 端口启动容器，浏览器访问该端口使用界面。

   docker build -t graphgen .
   docker run -p 7860:7860 graphgen

   复制

关键配置

如何确认成功

执行 ls cache/output 能看到生成的问答数据文件；Docker 方式可打开 http://localhost:7860 界面。

常见问题

注意事项

• 除已列配置外，.env 还需填写 TRAINEE_BASE_URL、TRAINEE_API_KEY 以及 TOKENIZER_MODEL。
• 从源码运行时才需要 cp .env.example .env；PyPI 的 graphg CLI 直接通过命令行环境变量传参。
• README 未给出 Python 版本要求和 git clone 命令，请自行准备源码目录。
• 生成的数据可对接 LLaMA-Factory 等框架直接用于监督微调。