GraphRAG ( https://github.com/microsoft/graphrag )显示了一种更先进、更有效的RAG方法，超越了简单的文档分块。随着诸如GPT-4o-mini等更具成本效益的模型的引入以及未来几代的出现，使用GraphRAG进行索引的成本可以显著降低。请求是在Flowise中添加一个GraphRAG组件，该组件可以接受多文档/多源输入，在upsert运行时执行GraphRAG索引，然后可以像任何其他Flowise RAG聊天流程一样查询，用于与标准聊天机器人、链和代理一起使用。谢谢！
7条答案
按热度按时间x7rlezfr1#
+1
nhjlsmyf2#
+1 gpt4omini已经在主分支，现在只需等待graphRag。
rryofs0p3#
+1
r7s23pms4#
由于建立索引似乎非常复杂，而且需要一个图数据库，我在想你是否尝试过通过微软提供的解决方案加速器对数据进行索引？
@HenryHengZJ,如果我理解错了，请纠正我。但解决这个问题的最好方法是使用Azure AI Search(就像他们现在为Langchain python提供的那个工具一样)。至少我们可以查询那个图索引。
我这周会尝试玩弄一下这个架构。但就目前而言，我认为建立索引对于flowise来说太复杂了，无法成为一个无需思考的即用型解决方案。
m3eecexj5#
希望这能帮到你。
332nm8kg6#
是的，我们仍在尝试如何在Flowise上使其变得容易，因为GraphRAG确实涉及到更多的技术挑战。
qmb5sa227#
我迫不及待地想看到这个功能在Flowise上的应用。感谢所有的开发者。