%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
KAG
簡介 :
KAG（Knowledge Augmented Generation）是一個專業的領域知識服務框架，旨在通過知識圖譜和向量檢索的優勢，雙向增強大型語言模型和知識圖譜，解決RAG（Retrieval Augmentation Generation）技術在向量相似性與知識推理相關性之間的大差距、對知識邏輯不敏感等問題。KAG在多跳問答任務上的表現顯著優於NaiveRAG、HippoRAG等方法，例如在hotpotQA上的F1分數相對提高了19.6%，在2wiki上提高了33.5%。KAG已成功應用於螞蟻集團的兩個專業知識問答任務中，包括政務問答和健康問答，與RAG方法相比，專業性得到了顯著提升。
需求人群 :
KAG的目標受眾是開發者和企業用戶，特別是那些需要在專業領域內構建知識服務的團隊。它適合需要處理大量專業知識、進行復雜推理和問答系統的用戶。KAG通過提供一套完整的框架和工具，幫助用戶將領域知識轉化為可計算的邏輯形式，從而提高問答系統的專業性和準確性。
使用場景
政務問答：利用KAG構建的政務知識圖譜，實現對政策、法規等專業問題的準確回答。
健康問答：通過KAG整合醫療知識，提供專業的健康諮詢服務。
風險挖掘：在金融領域，使用KAG定義的專家規則來識別和分析潛在的風險應用和開發者。
產品特色
LLM友好的知識表示：基於DIKW層次結構，IT升級SPG知識表示能力，兼容無模式約束的信息提取和有模式約束的專業知識構建。
知識圖譜與原文片段的相互索引：支持圖結構與原文塊之間的相互索引表示，有助於基於圖結構的倒排索引構建，促進邏輯形式的統一表示和推理。
邏輯形式引導的混合推理引擎：包括規劃、推理和檢索三種類型的操作符，將自然語言問題轉化為結合語言和符號的問題解決過程。
領域知識場景應用：通過定義專家規則和業務數據，KAG可以在風險挖掘等場景中實現有效的推理過程。
與OpenSPG概念建模結合：降低自然語言轉換圖查詢的難度，實現領域應用的自然語言問答。
可擴展性：KAG允許開發者擴展kag-builder和kag-solver的實現，以滿足特定的需求。
支持自定義模型和服務：KAG支持與兼容OpenAI服務的MaaS API對接，也支持與本地模型的對接。
使用教程
1. 安裝環境和依賴：根據系統版本要求，安裝Docker、Docker Compose等軟件。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 下載並啟動服務：使用curl命令下載docker-compose.yml文件，並使用Docker Compose啟動服務。
3. 訪問產品：在瀏覽器中輸入默認網址http://127.0.0.1:8887，查看產品指南。
4. 安裝KAG：對於開發者，根據指南創建conda環境，克隆代碼，並安裝KAG。
5. 使用工具包：參考快速入門指南，使用內置組件復現性能結果，並將其應用於新的業務場景。
6. 擴展KAG能力：如果內置組件不滿足需求，開發者可以根據KAG-Builder Extension和KAG-Solver Extension進行擴展。
7. 適應自定義模型：KAG支持與OpenAI服務兼容的MaaS API對接，也支持與本地模型的對接。
精選AI產品推薦
Myreader AI
MyReader是一個讓AI為您閱讀書籍的智能工具。您可以上傳任何書籍或文檔（.pdf、.epub），提出問題，並獲得答案，同時附帶相關段落以供閱讀。您還可以瀏覽已上傳書籍的內容，查看相關章節，並跳轉到書籍的具體頁面繼續閱讀。MyReader可以幫助您更高效地獲取知識，並且可以創建不同的上下文，如哲學、金融、健康等。您可以隨時參考已上傳的書籍，最多可上傳20,000頁。請訪問我們的網站了解定價詳情。
知識管理
753.5K
Elicit
Elicit是一款能夠以超人速度分析研究論文的AI助手。它可以自動完成繁瑣的研究任務，如論文摘要、數據提取和綜合研究發現。用戶可以搜索相關論文、獲取一句話摘要、從論文中提取詳細信息並進行整理、尋找主題和概念等。Elicit的準確度高，使用方便，已受到廣大研究者的信賴和好評。
研究工具
625.7K