autoflow

用图谱增强的RAG，让知识库问答更聪明

开源 🏷️定价信息待确认 ✅ 目前可打开对话助手 🍴 复刻 193 🐛 待处理 74 👀 关注 26

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2982

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类对话助手

开发团队pingcap

官网地址https://tidb.ai

GitHubhttps://github.com/pingcap/autoflow

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言TypeScript

技术栈/模型chatbot,cot,graphrag,knowledge-graph,mysql,rag,serverless,vector-database

GitHub 星标★ 2982

上线时间2024-02-05 00:00:00

代码更新2026-11-08

仓库体积7.7 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

autoflow 是 PingCAP 开源的基于 Graph RAG 的对话式知识库工具，利用 TiDB Serverless 的向量存储能力，将知识库管理与智能问答结合。它解决传统 RAG 在复杂知识关联和推理上的不足，通过构建知识图谱增强上下文理解，支持多轮对话和链式思考（CoT），提供可部署的聊天机器人方案。核心能力包括：自动从文档中抽取实体和关系构建知识图谱，结合向量检索实现混合召回，并基于图谱进行多跳推理，提升回答准确性和可解释性。项目采用 TypeScript 编写，技术栈涵盖 MySQL、向量数据库、Serverless 等，适合快速搭建企业级知识问答应用。

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 ★ 2982

技术标签

chatbot graphrag knowledge-graph mysql rag

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：入门约 20 分钟部署方式：Docker 5 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

4 核 CPU
8GB 内存
已安装 Docker 与 Docker Compose（README 指定用 Docker Compose 部署）
TiDB Serverless 账号，用于提供向量存储能力（项目基于 TiDB Vector 构建）

安装与启动步骤

1确认机器资源

官方推荐 Docker Compose 部署至少 4 核 CPU、8GB 内存，先确认本机满足再开始。
```
docker --version
```
2安装 Docker Compose

README 只给出 Docker Compose 部署方式，未装 Docker 请先装好并确认 compose 子命令可用。
```
docker compose version
```
3获取项目源码

从 GitHub 克隆仓库到本地，后续按官方部署文档启动服务。
```
git clone https://github.com/pingcap/autoflow.git
```
4按官方文档部署

README 未给出具体 compose 命令与配置，请打开官方部署文档按步骤执行，不要自行猜测参数。
5先体验线上示例

部署前可先访问官方 Demo 了解对话式知识库与图谱问答的交互效果。