AutoKG 是搜索知识领域的开源项目，由 zjunlp 开发，2023 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 473。
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 2026-09-10。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：学术研究：快速构建领域知识图谱。同类可对比的替代方案包括 DeepKE、REBEL、LLM-KG。
AutoKG
用大模型自动构建知识图谱，让机器读懂关系
AutoKG 是一个基于大型语言模型（LLMs）的知识图谱构建与推理的开源框架，源自 WWWJ 2024 论文。它旨在解决传统知识图谱构建依赖人工标注、成本高且难以扩展的问题，通过利用 LLMs 的语义理解能力，自动从非结构化文本中抽取实体、关系，并构建知识图谱，同时支持基于图谱的推理问答。核心能力包括：实体关系抽取、图谱构建、图谱推理、以及基于 LLM 的交互式查询。项目提供 Python API，便于集成到现有 NLP 流水线。其创新点在于将 LLM 的灵活性与知识图谱的结构化优势结合，为知识密集型任务提供更可靠的解决方案。
开源
free
开源模型
GitHub 星标
★ 473
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队zjunlp
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，需自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型chatgpt,event-extraction,gpt4,information-extraction,knowledge-graph,knowledge-graph-completion,knowledge-graph-construction,large-language-models,link-prediction,relation-extraction,relational-triple-extraction
GitHub 星标★ 473
30天Star增速
HF 下载量
上线时间2023-03-20 00:00:00
最近更新2026-09-10 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1
使用教程
核心亮点
- 基于 LLM 的自动化抽取，大幅降低人工构建图谱成本
- 支持从文本到图谱的端到端流程，并集成推理能力
- 提供可复现的论文实现，适合学术研究与快速验证
不足之处
- 项目尚处早期，文档和社区支持待观察
- 依赖外部 LLM API，可能带来使用成本和延迟
适用场景
- 学术研究：快速构建领域知识图谱
- 企业知识管理：从文档库自动提取结构化知识
- 智能问答：结合图谱推理增强回答准确性
替代项目
DeepKE、REBEL、LLM-KG
项目介绍
上一篇：VideoRAG
下一篇：RAG-QA-Generator
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.
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···
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···
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···