graphrag

把文档变成知识图谱，让AI回答全局性问题更准

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 3873 🐛 待处理 61 👀 关注 205

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 36589

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类搜索知识

开发团队microsoft

官网地址https://microsoft.github.io/graphrag

GitHubhttps://github.com/microsoft/graphrag

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型gpt,gpt-4,gpt4,graphrag,llm,llms,rag

GitHub 星标★ 36589

上线时间2024-03-27 00:00:00

代码更新2026-11-02

仓库体积204.0 MB

本站数据更新2026-11-08

维护状态活跃

收录时间2026-08-09

浏览次数3

项目介绍

GraphRAG 是一个基于图的检索增强生成（RAG）系统，由微软开源。它通过构建知识图谱来增强大语言模型的问答能力，解决传统向量检索在全局性、多跳推理问题上的不足。其核心能力包括：从文档中自动提取实体和关系，构建层次化知识图谱；支持社区检测与摘要，实现全局性问题（如“数据集中的主要主题是什么”）的概括回答；提供局部检索与全局搜索两种模式，兼顾精确事实查询和主题综述。系统采用模块化设计，便于定制索引、检索和生成流程，并支持多种LLM后端。GraphRAG 特别适合处理复杂文档集合、需要跨文档关联分析的场景，能显著提升问答的准确性和可解释性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 36589

技术标签

gpt gpt-4 gpt4 graphrag llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 15 分钟部署方式：命令行工具 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（该项目为 Python 项目并发布在 PyPI）
可访问 PyPI 的网络以安装 graphrag 包
可用的 LLM 后端服务凭据（README 提到支持多种 LLM 后端）

安装与启动步骤

1准备 Python 环境

项目为 Python 项目，且包发布在 PyPI，请先确认本机 Python 与 pip 可用。README 未给出版本要求。
```
python --version
```
2安装 graphrag 包

README 中的 PyPI 徽章指向 graphrag 包，可用 pip 从 PyPI 安装。README 未给出其他安装方式。
```
pip install graphrag
```
3查阅官方快速入门

README 明确建议使用官方文档的 command line quickstart，按其指引完成初始化与索引，勿凭猜测执行命令。
4准备 LLM 配置

README 说明可支持多种 LLM 后端，需自行准备模型服务凭据；具体配置项名称与写法以官方文档为准。