grafik kepercayaan

Platform Pengembangan Agen Pengetahuan Agnostik LLM

? Dokumentasi Lengkap ?‍? CLI? Kasus Penggunaan? Bergabunglah dengan Perselisihan? YouTube? blog

TrustGraph Engine menyediakan semua alat, layanan, Penyimpanan Grafik, dan VectorDB yang diperlukan untuk menerapkan agen AI yang andal, terukur, dan akurat. Mesin AI meliputi:

• Penyerapan dokumen secara massal
• Pembuatan Grafik Pengetahuan Otomatis
• Vektorisasi Otomatis
• Integrasi LLM Model Agnostik
• RAG menggabungkan Grafik Pengetahuan dan VectorDB
• Keandalan, Skalabilitas, dan Modularitas Tingkat Perusahaan
• Pemberdayaan Privasi Data dengan penerapan LLM lokal dengan Ollama dan Llamafile

Serap data sensitif Anda secara berkelompok dan bangun inti pengetahuan yang dapat digunakan kembali dan ditingkatkan yang mengubah LLM tujuan umum menjadi spesialis pengetahuan. Dasbor observabilitas memungkinkan Anda memantau latensi LLM, manajemen sumber daya, dan throughput token secara realtime. Visualisasikan data Anda yang ditingkatkan dengan Neo4j.

Bidang Kontrol TrustGraph

Ada dua cara utama berinteraksi dengan TrustGraph:

• CLI TrustGraph
• UI Konfigurasi Pengembang

TrustGraph CLI menginstal perintah untuk berinteraksi dengan TrustGraph saat berjalan. Configuration UI memungkinkan penyesuaian penerapan TrustGraph sebelum diluncurkan.

Instal CLI TrustGraph

 pip3 install trustgraph-cli==0.13.2

Catatan

Versi TrustGraph CLI harus cocok dengan versi rilis TrustGraph yang diinginkan.

UI Konfigurasi Pengembang

Meskipun TrustGraph dapat disesuaikan tanpa henti, editor konfigurasi dapat membuat konfigurasi khusus dalam hitungan detik dengan Docker.

Luncurkan UI Konfigurasi Pengembang?

TrustGraph-Deploy.mp4

Langkah Peluncuran:

• Untuk Model Deployment yang dipilih, ikuti petunjuk di bagian Model credentials untuk mengonfigurasi variabel atau jalur lingkungan apa pun yang diperlukan
• Isikan nama LLM yang diinginkan pada kolom Model Name yang sesuai dengan Model Deployment yang Anda pilih
• Tetapkan semua Model Parameters yang diinginkan
• Klik GENERATE di bawah bagian Deployment configuration
• Ikuti instruksi di bawah Launch

Setelah deploy.zip dibuka ritsletingnya, meluncurkan TrustGraph semudah menavigasi ke direktori deploy dan menjalankan:

 docker compose up -d

Setelah selesai, mematikan TrustGraph semudah:

 docker compose down -v

Rilis TrustGraph

Rilis TrustGraph tersedia di sini. Unduh deploy.zip untuk versi rilis yang diinginkan.

Jenis Rilis	Versi Rilis
Terbaru	0.14.6
Stabil	0.13.2

TrustGraph sepenuhnya dalam container dan diluncurkan dengan file konfigurasi YAML . Membuka ritsleting deploy.zip akan menambahkan direktori deploy dengan subdirektori berikut:

• docker-compose
• minikube-k8s
• gcp-k8s

Setiap direktori berisi file konfigurasi YAML bawaan yang diperlukan untuk meluncurkan TrustGraph:

Penerapan Model	Toko Grafik	Luncurkan Berkas
API Batuan Dasar AWS	Cassandra	tg-bedrock-cassandra.yaml
API Batuan Dasar AWS	Neo4j	tg-bedrock-neo4j.yaml
API AzureAI	Cassandra	tg-azure-cassandra.yaml
API AzureAI	Neo4j	tg-azure-neo4j.yaml
API AzureOpenAI	Cassandra	tg-azure-openai-cassandra.yaml
API AzureOpenAI	Neo4j	tg-azure-openai-neo4j.yaml
API Antropik	Cassandra	tg-claude-cassandra.yaml
API Antropik	Neo4j	tg-claude-neo4j.yaml
API yang menyatu	Cassandra	tg-cohere-cassandra.yaml
API yang menyatu	Neo4j	tg-cohere-neo4j.yaml
API Google AI Studio	Cassandra	tg-googleaistudio-cassandra.yaml
API Google AI Studio	Neo4j	tg-googleaistudio-neo4j.yaml
API Llamafile	Cassandra	tg-llamafile-cassandra.yaml
API Llamafile	Neo4j	tg-llamafile-neo4j.yaml
API Ollama	Cassandra	tg-ollama-cassandra.yaml
API Ollama	Neo4j	tg-ollama-neo4j.yaml
API OpenAI	Cassandra	tg-openai-cassandra.yaml
API OpenAI	Neo4j	tg-openai-neo4j.yaml
API VertexAI	Cassandra	tg-vertexai-cassandra.yaml
API VertexAI	Neo4j	tg-vertexai-neo4j.yaml

Setelah launch file konfigurasi dipilih, terapkan TrustGraph dengan:

buruh pelabuhan :

 docker compose -f  up -d

Kubernet :

 kubectl apply -f 

Fitur Inti TrustGraph

• Penguraian kode PDF
• Potongan teks
• Inferensi SLM Pada Perangkat dengan Ollama atau Llamafile
• Kesimpulan Cloud LLM: AWS Bedrock , AzureAI , Anthropic , Cohere , OpenAI , dan VertexAI
• Penyematan vektor yang dipetakan secara potongan dengan model HuggingFace
• Agen Ekstraksi Pengetahuan RDF
• Apache Cassandra atau Neo4j sebagai penyimpanan grafik
• Qdrant sebagai VectorDB
• Bangun dan muat Inti Pengetahuan
• Layanan kueri RAG menggunakan Graph Store dan VectorDB
• Dasbor telemetri Grafana
• Integrasi modul dengan Apache Pulsar
• Orkestrasi container dengan Docker , Podman , atau Minikube

Arsitektur

TrustGraph dirancang bersifat modular untuk mendukung sebanyak mungkin Model Bahasa dan lingkungan. Kesesuaian alami untuk arsitektur modular adalah menguraikan fungsi menjadi sekumpulan modul yang terhubung melalui tulang punggung pub/sub. Apache Pulsar berfungsi sebagai tulang punggung pub/sub ini. Pulsar bertindak sebagai perantara data yang mengelola antrian pemrosesan data yang terhubung ke modul pemrosesan.

Alur Kerja Pulsar

• Untuk alur pemrosesan, Pulsar menerima keluaran dari modul pemrosesan dan mengantrinya untuk masukan ke modul berlangganan berikutnya.
• Untuk layanan seperti LLM dan embeddings, Pulsar menyediakan model klien/server. Antrian Pulsar digunakan sebagai input ke layanan. Saat diproses, keluarannya kemudian dikirim ke antrian terpisah di mana pelanggan klien dapat meminta keluaran tersebut.

Agen Pengetahuan

TrustGraph mengekstrak pengetahuan dari korpus teks (PDF atau teks) ke grafik pengetahuan yang sangat padat menggunakan 3 agen pengetahuan otomatis. Agen-agen ini fokus pada elemen individual yang diperlukan untuk membangun grafik pengetahuan RDF. Agen-agennya adalah:

• Agen Ekstraksi Topik
• Agen Ekstraksi Entitas
• Agen Koneksi Node

Perintah agen dibuat melalui templat, memungkinkan agen ekstraksi yang disesuaikan untuk kasus penggunaan tertentu. Agen ekstraksi diluncurkan secara otomatis dengan perintah pemuat.

Berkas PDF:

 tg-load-pdf 

File teks atau penurunan harga:

 tg-load-text 

Pertanyaan RAG

Setelah grafik pengetahuan dan penyematan dibuat atau inti pengetahuan dimuat, kueri RAG diluncurkan dengan satu baris:

 tg-query-graph-rag -q "Write a blog post about the 5 key takeaways from SB1047 and how they will impact AI development."

Terapkan dan Kelola TrustGraph

? Panduan Penerapan Lengkap?

Panduan Pengembang TrustGraph

Mengembangkan untuk TrustGraph