трастграф
0.13.2
? Полная документация ?? Интерфейс командной строки? Варианты использования? Присоединиться к Дискорду? Ютуб? Блог
TrustGraph Engine предоставляет все инструменты, службы, хранилища графов и базы данных VectorDB, необходимые для развертывания надежных, масштабируемых и точных агентов ИИ. AI Engine включает в себя:
Принимайте конфиденциальные данные в пакетном режиме и создавайте многоразовые и расширенные ядра знаний, которые превращают LLM общего назначения в специалистов по знаниям. Панель мониторинга позволяет отслеживать задержку LLM, управление ресурсами и пропускную способность токенов в режиме реального времени. Визуализируйте свои расширенные данные с помощью Neo4j.
Существует два основных способа взаимодействия с TrustGraph:
TrustGraph CLI устанавливает команды для взаимодействия с TrustGraph во время работы. Configuration UI позволяет настраивать развертывания TrustGraph перед запуском.
pip3 install trustgraph-cli==0.13.2
Примечание
Версия TrustGraph CLI должна соответствовать желаемой версии выпуска TrustGraph .
Хотя TrustGraph можно настраивать бесконечно, редактор конфигурации может создать пользовательскую конфигурацию за считанные секунды с помощью Docker.
Запустить пользовательский интерфейс конфигурации разработчика?
Шаги запуска:
Model Deployment следуйте инструкциям в разделе Model credentials , чтобы настроить все необходимые переменные среды или пути.Model Name , соответствующее выбранному вами Model DeploymentModel ParametersGENERATE в разделе Deployment configuration .Launch После разархивирования файла deploy.zip запустить TrustGraph так же просто, как перейти в каталог deploy и выполнить:
docker compose up -d
По завершении выключить TrustGraph так же просто, как:
docker compose down -v
Релизы TrustGraph доступны здесь. Загрузите deploy.zip для нужной версии выпуска.
| Тип выпуска | Релизная версия |
|---|---|
| Последний | 0.14.6 |
| Стабильный | 0.13.2 |
TrustGraph полностью контейнеризирован и запускается с файлом конфигурации YAML . При распаковке файла deploy.zip в каталог deploy добавляются следующие подкаталоги:
docker-composeminikube-k8sgcp-k8s Каждый каталог содержит предварительно созданные файлы конфигурации YAML необходимые для запуска TrustGraph:
| Развертывание модели | Магазин графов | Запустить файл |
|---|---|---|
| API-интерфейс AWS Bedrock | Кассандра | tg-bedrock-cassandra.yaml |
| API-интерфейс AWS Bedrock | Neo4j | tg-bedrock-neo4j.yaml |
| API AzureAI | Кассандра | tg-azure-cassandra.yaml |
| API AzureAI | Neo4j | tg-azure-neo4j.yaml |
| API AzureOpenAI | Кассандра | tg-azure-openai-cassandra.yaml |
| API AzureOpenAI | Neo4j | tg-azure-openai-neo4j.yaml |
| Антропный API | Кассандра | tg-claude-cassandra.yaml |
| Антропный API | Neo4j | tg-claude-neo4j.yaml |
| Когерентный API | Кассандра | tg-cohere-cassandra.yaml |
| Когерентный API | Neo4j | tg-cohere-neo4j.yaml |
| API Google AI Studio | Кассандра | tg-googleaistudio-cassandra.yaml |
| API Google AI Studio | Neo4j | tg-googleaistudio-neo4j.yaml |
| Ламафайл API | Кассандра | tg-llamafile-cassandra.yaml |
| Ламафайл API | Neo4j | tg-llamafile-neo4j.yaml |
| Оллама API | Кассандра | tg-ollama-cassandra.yaml |
| Оллама API | Neo4j | tg-ollama-neo4j.yaml |
| API OpenAI | Кассандра | tg-openai-cassandra.yaml |
| API OpenAI | Neo4j | tg-openai-neo4j.yaml |
| ВертексИИ API | Кассандра | tg-vertexai-cassandra.yaml |
| ВертексИИ API | Neo4j | tg-vertexai-neo4j.yaml |
После выбора launch file конфигурации разверните TrustGraph с помощью:
Докер :
docker compose -f up -d
Кубернетес :
kubectl apply -f
AWS Bedrock , AzureAI , Anthropic , Cohere , OpenAI и VertexAIDocker , Podman или Minikube TrustGraph спроектирован как модульный для поддержки как можно большего количества языковых моделей и сред. Естественным подходом к модульной архитектуре является разложение функций на набор модулей, соединенных через магистраль pub/sub. Apache Pulsar служит этой опорной сетью паб/саб. Pulsar действует как брокер данных, управляющий очередями обработки данных, подключенными к модулям обработки.
TrustGraph извлекает знания из текстового корпуса (PDF или текст) в сверхплотный граф знаний с помощью трех автономных агентов знаний. Эти агенты фокусируются на отдельных элементах, необходимых для построения графа знаний RDF. Агенты:
Приглашения агента создаются с помощью шаблонов, что позволяет настраивать агенты извлечения для конкретного случая использования. Агенты извлечения запускаются автоматически с помощью команд загрузчика.
PDF-файл:
tg-load-pdf
Текстовый файл или файл Markdown:
tg-load-text
После построения графа знаний и вложений или загрузки ядра знаний запросы RAG запускаются одной строкой:
tg-query-graph-rag -q "Write a blog post about the 5 key takeaways from SB1047 and how they will impact AI development."
? Полное руководство по развертыванию?
Разработка для TrustGraph
