Graph-CoT

让大模型在知识图谱上一步步推理，提升复杂问答准确率

Graph-CoT 是一个将图结构推理与思维链（Chain-of-Thought）相结合的开源项目，旨在增强大型语言模型在复杂推理任务上的表现。该项目基于 ACL 2024 论文实现，通过将外部知识构建成图，并引导模型在图上进行多步推理，从而解决传统思维链方法在需要多跳关系推理时容易出错的问题。其核心能力包括：支持从文本中抽取实体和关系构建知识图谱，提供基于图的推理路径生成算法，以及可插拔的提示模板，便于集成到现有 LLM 应用中。项目主要使用 Jupyter Notebook 编写，代码清晰，适合学术研究和快速原型验证。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 311
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队PeterGriffinJin
所属国家
官网地址
GitHubhttps://github.com/PeterGriffinJin/Graph-CoT
定价模式free
价格说明开源项目，Apache-2.0许可，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型agent,graph,llm,rag
GitHub 星标★ 311
30天Star增速
HF 下载量
上线时间2024-02-14 00:00:00
最近更新2026-09-05 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 提出图增强的思维链方法，能显式利用关系路径，减少幻觉
  • 代码结构清晰，基于 Notebook 便于复现论文实验
  • 支持自定义图构建和推理提示，灵活适配不同知识场景

不足之处

  • 依赖外部知识图谱构建，对数据预处理要求较高
  • 文档/社区待观察

适用场景

  • 多跳问答（如常识推理、事实验证）
  • 知识图谱辅助的复杂决策支持
  • 学术研究中的推理机制探索

替代项目

GraphRAG、Chain-of-Thought (CoT) Prompting、Reasoning on Graphs (RoG)

项目介绍

Graph-CoT 是模型训练领域的开源项目，由 PeterGriffinJin 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 311。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。Apache-2.0许可，完全免费，可自行部署使用。

它主要面向的使用场景是：多跳问答（如常识推理、事实验证）。同类可对比的替代方案包括 GraphRAG、Chain-of-Thought (CoT) Prompting、Reasoning on Graphs (RoG)。

上一篇：DataMate

下一篇：cevahir-ai

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列，训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型，练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型，推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13