chat2graph

把对话变成图查询，让AI回答有据可查

开源 🏷️定价信息待确认 🚫 站点已失效对话助手 🍴 复刻 53 🐛 待处理 31 👀 关注 10

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 431

维护状态低维护

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TuGraph-family

官网地址https://chat2graph.vercel.app

GitHubhttps://github.com/TuGraph-family/chat2graph

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🚫 站点已失效

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agentic-ai,agentic-rag,ai-agents,bionics,chat2graph,chatbot,database,graph,graphrag,interpretability,knowledge-graph,llm,memory,multi-modal,nlp,rag,symbolism,text2gql,workflow,worldmodel

GitHub 星标★ 431

上线时间2024-03-07 00:00:00

代码更新2026-03-04

仓库体积19.3 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数2

项目介绍

Chat2Graph 是一个图原生的智能体系统，旨在将对话能力与知识图谱技术深度融合。它解决的核心问题是：传统对话系统或 RAG 系统难以处理多跳关系查询、缺乏可解释性，且知识更新困难。Chat2Graph 通过将对话解析为图查询或图操作，利用图数据库的关联查询能力，实现精准、可追溯的答案生成。其核心能力包括：将自然语言问题自动转换为图查询语言（如 Cypher）、基于图结构的上下文增强检索（GraphRAG）、以及支持多轮对话中的状态管理与图数据动态更新。项目采用 Python 实现，强调 agentic AI 与图数据库的结合，为需要复杂关系推理的场景（如企业知识库、金融风控、医疗问答）提供了一种高解释性的解决方案。

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 ★ 431

技术标签

agentic-ai agentic-rag ai-agents chatbot database

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：高级约 60 分钟部署方式：容器部署 5 步

环境要求

Docker
TuGraph 或兼容图库
一个模型 API Key

安装与启动步骤

1拉仓库看文档

它的介绍、快速开始与原理三份文档分开，先读快速开始之前先扫原理。
```
git clone https://github.com/TuGraph-family/chat2graph.git
```
2起一个图数据库

它把对话翻译成图查询，没有图库就没有落点。
3配模型与图库连接

两套凭据都要，缺一个服务起不来。
4跑最小问答

先用一个两跳关系问题验证它真的走了图查询。
5看推理链路

它的可解释性来自把中间图查询打印出来，出问题就看这段。