一周前,我们开源了Youtu-Agent,两步即可搭建智能体。(参考阅读:腾讯开源Youtu-Agent,搭建Agent只需两步)

今天,腾讯优图实验室进一步开源 Youtu-GraphRAG——

这是一款全新的图检索增强生成框架,主打大语言模型+GraphRAG模式,把知识组织成「图谱」,再交给大语言模型去检索和推理,帮助大模型在处理复杂问答类任务时减少「胡言乱语」,回答更精准、更可追溯。

它尤其适用于企业知识库问答、科研文档解析、个人知识库、私域知识管理等知识密集型场景。

要减少胡编乱造,关键在于更精准的检索与推理。Youtu-GraphRAG通过三大创新,实现从图构建到索引、再到检索的垂直统一和认知闭环,并最终让模型回答更「聪明」:

四层知识树:在抽取阶段实现了跨领域知识的自主演化和高质量抽取,并把知识拆解成「属性—关系—关键词—社区」四个层次。比如,在企业知识库中,不仅能记录「产品A发布时间」(属性),还能清楚表示「产品A由团队B研发」(关系),并在此基础上形成关键词索引,最后自动聚合成社区结构。这样一来,大模型在面向不同领域回答时就能直接自动沿着知识树去定位信息,推理路径也能清晰可见;

请在此添加图片描述

社区检测升级:社区检测不仅仅看「谁和谁有关」,更要结合语义去理解「为什么它们俩有关」。举个例子,传统方法会把「深度学习」和「计算机视觉」放在一起,因为它们频繁共现;而新的方法还能进一步归纳出「它们都属于人工智能的研究方向」,并生成简明摘要,帮用户快速抓住问题本质;

请在此添加图片描述

智能迭代检索:当用户提出复杂问题时,会先把它基于图谱内容针对性地拆解成多个子问题,并行去检索答案;随后通过迭代反思的机制,对结果进行补充和修正,最终给出更完整、更可靠的回答。

请在此添加图片描述

这套框架已经经过了实践检验——

更省钱:在六个权威基准测试中,相比同类最好方法,构图成本节省30%+;

更聪明:复杂推理任务准确率最高提升 16%+;

更灵活:支持中英文双语,跨领域应用无需重构。

当然,和上次开源的Youtu-Agent一样,上手也很简单:

第一步:获取项目代码

git clone https://github.com/TencentCloudADP/youtu-graphrag

cd youtu-graphrag

第二步:环境配置

1)首先访问提供模型服务的平台,获取远程调用模型的凭证 API key;

2)按照.env.example格式创建配置文件,创建并复制API key,Youtu-GraphRAG项目的.env文件中的llm部分中设置。

cp .env.example .env

配置OpenAI格式的LLM API

LLM_MODEL=deepseek-chat

LLM_BASE_URL=https://api.deepseek.com

LLM_API_KEY=sk-xxxxxx

第三步:一键部署

docker build -t youtu_graphrag:v1 .

启动docker容器

docker run -d -p 8000:8000 youtu_graphrag:v1

● 第四步:体验交互

curl -v http://localhost:8000

现在,点击下方链接,即可体验:

👉 GitHub源码:https://github.com/TencentCloudADP/youtu-graphrag

📖 论文链接:https://arxiv.org/abs/2508.19855

关注腾讯开源公众号

获取更多最新腾讯官方开源信息!

加入微信群即可了解更多“腾讯开源新动态”

腾讯 #RAG #图检索 #GraphRAG #AI #大语言模型 #开源

文章来源于腾讯云开发者社区,点击查看原文