youtu-graphrag

用多智能体+知识图谱，让AI复杂推理更准更可解释

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 191 🐛 待处理 60 👀 关注 9

GitHub ↗

GitHub 星标 ★ 1274

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费。

项目预览

youtu-graphrag 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队TencentCloudADP

GitHubhttps://github.com/TencentCloudADP/youtu-graphrag

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费。

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NOASSERTION

主要语言Python

技术栈/模型agent,graph,graphrag,llm,rag

GitHub 星标★ 1274

上线时间2025-09-01 00:00:00

代码更新2026-02-26

仓库体积41.9 MB

本站数据更新2026-11-11

维护状态低维护

收录时间2026-08-09

浏览次数1

项目介绍

Youtu-GraphRAG 是一个面向复杂推理任务的图检索增强生成（GraphRAG）框架，由腾讯优图实验室提出，相关论文被 ICLR 2026 接收。它解决传统 RAG 在处理多跳、关系型复杂问题时检索不准确、推理链断裂的问题。核心能力是采用垂直统一的多智能体架构，将检索、推理、生成等环节通过智能体协同，结合知识图谱的结构化信息，实现更精准的实体关系抽取和路径推理。项目提供完整的 Python 实现，支持自定义图数据库和 LLM 接口，并附带评测脚本和示例数据集。适合需要深度问答、事实验证、多跳推理等场景的开发者，能显著提升复杂问题的回答质量和可解释性。

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 ★ 1274

技术标签

agent graph graphrag llm rag

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 15 分钟部署方式：Docker 6 步

环境要求

Docker 环境（README 推荐的首选部署方式，按 Docker 官方文档安装）
本地 Python 运行环境（用于执行 setup_env.sh 的本地部署方式）
可用的网络，用于拉取镜像依赖与项目代码
可用的 LLM 接口，用于图检索增强问答的推理与生成

安装与启动步骤

1获取项目代码

克隆仓库并进入项目根目录，后续 Docker 构建与脚本执行都在该目录下进行。
```
git clone https://github.com/TencentCloudADP/youtu-graphrag.git
cd youtu-graphrag
```
2安装 Docker

README 建议优先用 Docker 部署，若本机没有 Docker，请先按官方文档安装并确认服务已启动。
```
docker --version
```
3构建镜像

使用仓库自带 Dockerfile 构建名为 youtu_graphrag、标签 v1 的镜像，首次构建需下载依赖，耗时较长。
```
docker build -t youtu_graphrag:v1 .
```
4启动容器

以守护进程方式运行镜像，并把容器内 8000 端口映射到宿主机 8000，便于访问 demo 服务。
```
docker run -d -p 8000:8000 youtu_graphrag:v1
```
5本地环境初始化

不使用 Docker 时，可运行仓库内 setup_env.sh 完成本地环境配置，需在项目根目录执行并有执行权限。
```
./setup_env.sh
```
6查阅完整指南

README 指向 FULLGUIDE-CN.md，高级配置与详细用法都在该文档中，部署前建议先通读。

关键配置

配置项	必填	说明	示例
`-p 8000:8000`	是	端口映射参数，把容器内 8000 端口暴露到宿主机 8000	`-p 8000:8000`
`youtu_graphrag:v1`	否	Docker 镜像名与标签，可自行改名但需前后一致	`youtu_graphrag:v1`
`-d`	否	后台运行容器，不加则占用当前终端	`docker run -d`