youtu-graphrag

用多智能体+知识图谱,让AI复杂推理更准更可解释

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。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1262
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TencentCloudADP
所属国家
官网地址
定价模式free
价格说明开源项目,本地部署,完全免费。
访问状态
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★ 1262
30天Star增速
HF 下载量
上线时间2025-09-01 00:00:00
最近更新2026-09-18 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0

使用教程

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. 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. 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. 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. 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. 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. 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

如何确认成功

执行 docker ps 确认容器状态为 Up,并在浏览器访问 http://localhost:8000 查看服务是否响应。

常见问题

Q:Docker 和本地安装该选哪个?

A:README 明确建议优先使用 Docker,因为底层环境差异较大;只有在需要深度定制环境时才走本地 setup_env.sh 方式。

Q:构建镜像时卡住或失败怎么办?

A:docker build 需要联网拉取基础镜像和依赖,先确认网络与镜像源可用,再重新执行 docker build -t youtu_graphrag:v1 .。

Q:高级配置和自定义 LLM 接口在哪里看?

A:README 指向 FULLGUIDE.md(英文)与 FULLGUIDE-CN.md(中文)完整指南,进阶配置与用法均在其中。

Q:有官方评测数据集吗?

A:README 提供了 Hugging Face 上的 AnonyRAG 数据集页面,可用于复现论文中的评测结果。

注意事项

  • README 仅推荐 Docker 作为首选部署方式,未给出镜像加速或离线构建方案。
  • 容器对外服务的具体 API 路径未在 README 节选中说明,需查阅 FULLGUIDE-CN.md。
  • 项目论文已被 ICLR 2026 接收,企业版可通过腾讯云 ADP 平台使用。
  • executable 权限不足时,运行 setup_env.sh 前需自行赋予可执行权限。

核心亮点

  • 提出垂直统一的多智能体架构,将检索与推理深度耦合,超越传统流水线式GraphRAG
  • 在ICLR 2026论文中提供详尽的实验对比,证明在复杂推理基准上优于主流RAG/GraphRAG方法
  • 代码结构清晰,模块化设计,方便集成不同图数据库和LLM,并附带可复现的评测脚本

不足之处

  • 项目较新,文档和社区支持仍在完善中,上手可能需要参考论文
  • 对图数据库和LLM的依赖较重,部署成本较高,轻量场景可能大材小用

适用场景

  • 多跳问答:回答需要跨多个实体和关系推理的复杂问题
  • 事实验证:结合知识图谱验证陈述的真实性
  • 企业知识库:对结构化知识进行深度检索和决策支持

替代项目

Microsoft GraphRAG、LightRAG、FastGraphRAG

项目介绍

youtu-graphrag 是搜索知识领域的开源项目,由 TencentCloudADP 开发,2025 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,262)位列前 30%,在搜索知识分类中处于中上游。

近 42 天,它的 GitHub 星标从 1,239 增加到 1,262,净增 23。

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 2026-09-18。本地部署,完全免费。

它主要面向的使用场景是:多跳问答:回答需要跨多个实体和关系推理的复杂问题。同类可对比的替代方案包括 Microsoft GraphRAG、LightRAG、FastGraphRAG。

上一篇:Search-o1

下一篇:RAGxplorer

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09