graphrag light

graphrag-light

Bem-vindo ao Graphrag Light. Uma implementação de graphrag nativa do GCP fácil de começar.

Etapas de instalação

1. Execute no terminal para criar um venv python:

 python3 -m venv .venv-graphrag-lite 

2. graphrag-lite usa graph2nosql, uma interface python simples para armazenar e gerenciar gráficos de conhecimento no banco de dados NoSQL de sua escolha ( não é necessário graphdb, você ouviu corretamente!).

Adicione graph2nosql à pasta do seu projeto para instalação local. Nenhuma distribuição de pip disponível (ainda).

 git clone https://github.com/jakobap/graph2nosql.git

3. Instale dependências do graphrag-lite

 pip install -r ./graphrag_lite/requirements.txt

4. Este repositório implementa o graphrag como arquitetura paralelizada no GCP. Grandes partes das etapas de indexação e consulta são processadas por dois microsserviços sem estado. Eles são definidos em stateless-comm-reporter e stateless-context-processor . Ambos os diretórios contêm Makefiles para automatizar a construção e implantação.

Para implantar:

• Gere uma ou várias chaves de conta de serviço e coloque-as em stateless-comm-reporter e stateless-context-processor .
• Configure um arquivo .env com as seguintes variáveis ​​de ambiente e coloque-o em stateless-comm-reporter e stateless-context-processor :

 GCP_CREDENTIAL_FILE=""
GCP_PROJECT_ID=""
GCP_PROJECT_NUMBER =""
GCP_REGION =""
GCP_MULTIREGION = ""
DOCUMENT_AI_PROCESSOR_ID =""
DOCUMENT_AI_PROCESSOR_VERSION = ""
LANGFUSE_SECRET_KEY = 
LANGFUSE_PUBLIC_KEY = 
LANGFUSE_HOST=
FIRESTORE_DB_ID=""
NODE_COLL_ID=""
COMM_COLL_ID=""
EDGES_COLL_ID=""
SCHEDULER_PUBSUB_ID=""
COMMUNITY_WL_PUBSUB=""
QUERY_FS_DB_ID=""
QUERY_FS_INT__RESPONSE_COLL=""
RAW_PDFS_BUCKET_NAME=""

• Correr

 make all