# 知識圖譜

Minicule是一個用於EBV研究和科學發現的平臺。它可以幫助用戶將複雜數據轉化為清晰的知識圖譜，加速研究發現過程。該產品為生命科學領域的研究者提供了強大的數據可視化和協作工具。

SophistAI是一個AI驅動的學習助手，將混亂的學習材料轉化為結構化的交互式知識圖譜，幫助用戶更高效地學習和備考。它提供了智能進度追蹤、深度挖掘子主題、自動完成進度等功能。

語析Yuxi-Know 是一個基於大模型 RAG 知識庫的知識圖譜問答系統，採用 Llamaindex + VueJS + Flask + Neo4j 構建。它支持 OpenAI、國內主流大模型平臺的模型調用以及本地 vllm 部署，能夠實現知識庫問答、知識圖譜檢索和聯網檢索等功能。該系統的主要優點是靈活適配多種模型、支持多種知識庫格式以及強大的知識圖譜集成能力。它適用於需要高效知識管理和智能問答的企業和研究機構，具有較高的技術先進性和實用性。

AI Mode 是谷歌搜索中的一項實驗性功能，基於 Gemini 2.0 模型開發。它通過高級推理和多模態能力，為用戶提供更深入、更全面的搜索結果。該功能旨在幫助用戶更高效地處理複雜的多部分問題，並通過即時數據和知識圖譜提供高質量的響應。AI Mode 的推出體現了谷歌在提升搜索體驗方面的持續創新，同時也展示了生成式 AI 在信息檢索中的應用潛力。

Graphiti 是一個專注於構建動態時序知識圖譜的技術模型，旨在處理不斷變化的信息和複雜的關係演變。它通過結合語義搜索和圖算法，支持從非結構化文本和結構化 JSON 數據中提取知識，並能夠進行時間點查詢。Graphiti 是 Zep 內存層的核心技術，支持長期記憶和基於狀態的推理，適用於需要動態數據處理和複雜任務自動化的應用場景，如銷售、客戶服務、健康、金融等領域。

kg-gen 是一個基於人工智能的工具，能夠從普通文本中提取知識圖譜。它支持處理小到單句話、大到長篇文檔的文本輸入，並且可以處理對話格式的消息。該工具利用先進的語言模型和結構化輸出技術，能夠幫助用戶快速構建知識圖譜，適用於自然語言處理、知識管理以及模型訓練等領域。kg-gen 提供了靈活的接口和多種功能，旨在簡化知識圖譜的生成過程，提高效率。

KET-RAG（Knowledge-Enhanced Text Retrieval Augmented Generation）是一個強大的檢索增強型生成框架，結合了知識圖譜技術。它通過多粒度索引框架（如知識圖譜骨架和文本-關鍵詞二分圖）實現高效的知識檢索和生成。該框架在降低索引成本的同時，顯著提升了檢索和生成質量，適用於大規模 RAG 應用場景。KET-RAG 基於 Python 開發，支持靈活的配置和擴展，適用於需要高效知識檢索和生成的開發人員和研究人員。

VideoRAG 是一種創新的檢索增強型生成框架，專門用於理解和處理極長上下文視頻。它通過結合圖驅動的文本知識錨定和層次化多模態上下文編碼，實現了對無限制長度視頻的理解。該框架能夠動態構建知識圖譜，保持多視頻上下文的語義連貫性，並通過自適應多模態融合機制優化檢索效率。VideoRAG 的主要優點包括高效的極長上下文視頻處理能力、結構化的視頻知識索引以及多模態檢索能力，使其能夠為複雜查詢提供全面的回答。該框架在長視頻理解領域具有重要的技術價值和應用前景。

Data Commons 是一個強大的公共數據平臺，旨在通過整合全球公共數據，提供統一的知識圖譜，幫助用戶輕鬆探索和分析數據。它由 Google 發起，支持多種數據源的整合，並提供豐富的可視化工具和 API 接口，方便用戶進行數據探索和研究。Data Commons 的主要優點是數據的標準化和統一化，用戶可以通過其強大的工具快速獲取和分析數據，無需複雜的預處理。此外，它還支持社區貢獻，用戶可以分享自己的分析和見解，共同推動數據科學的發展。Data Commons 適用於研究人員、數據分析師、政策制定者以及任何需要公共數據支持決策的群體，其免費的訪問模式降低了數據使用的門檻，促進了數據的廣泛傳播和應用。

Potpie是一個面向開發者的技術平臺，通過構建基於代碼庫的AI代理來幫助開發者進行調試、測試、系統設計、代碼審查和文檔生成等任務。該產品利用強大的知識圖譜技術，使AI代理能夠深入理解代碼庫的上下文，從而提供高精度的工程任務執行能力。Potpie的主要優點在於其高度定製化和易於集成的特點，能夠顯著提高開發效率和代碼質量。產品提供免費試用，並且有開源版本可供選擇。

GraphAgent是一個自動化代理流水線，旨在處理顯式的圖形依賴和隱式的圖形增強語義相互依賴，以適應實際數據場景中的預測任務（例如節點分類）和生成任務（例如文本生成）。它由三個關鍵組件構成：構建知識圖譜以反映複雜語義依賴的圖形生成代理；解釋不同用戶查詢並制定相應任務的計劃代理；以及高效執行計劃任務並自動化工具匹配和調用的執行代理。GraphAgent通過集成語言模型和圖形語言模型來揭示覆雜的關係信息和數據語義依賴。

StoryWeaver是一個為知識增強型故事角色定製而設計的統一世界模型，旨在實現單一和多角色故事可視化。該模型基於AAAI 2025論文，能夠通過統一的框架處理故事中角色的定製和可視化，這對於自然語言處理和人工智能領域具有重要意義。StoryWeaver的主要優點包括其能夠處理複雜故事情境的能力，以及能夠持續更新和擴展其功能。產品背景信息顯示，該模型將不斷更新arXiv論文，並添加更多實驗結果。

Depth AI 是一款由工程師構建的人工智能產品，它通過構建代碼庫的知識圖譜，能夠回答深度技術問題，並支持在不同工作場景中部署定製化的AI助手。產品背景信息顯示，Depth AI 旨在幫助工程師和開發團隊更高效地理解和使用代碼庫，通過集成到現有的工具和工作流程中，如Slack、GitHub Copilot、Jira等，提高團隊的生產力。產品的主要優點包括深度技術問題解答、全面的代碼圖譜理解、抽象推理能力以及潛在空間交互等。Depth AI 提供企業級的安全和合規特性，確保數據安全，並且不會使用客戶數據進行模型訓練。

WhyHow Knowledge Graph Studio是一個開源平臺，旨在簡化創建和管理RAG-native知識圖譜的過程。該平臺提供基於規則的實體解析、模塊化圖構建、靈活的數據攝取以及API優先設計，並支持SDK。它基於NoSQL數據庫構建，提供靈活、可擴展的存儲層，使複雜關係的數據檢索和遍歷變得容易。該平臺適用於處理結構化和非結構化數據，構建探索性圖譜或高度模式化約束圖譜，旨在實現規模化和靈活性，適用於實驗和大規模使用。

Graphusion是一個用於從文本中提取知識圖譜三元組的管道工具。它通過一系列步驟，包括概念提取、候選三元組提取和三元組融合，來構建知識圖譜。這個工具的重要性在於它能夠幫助研究人員和開發者自動化地從大量文本數據中提取結構化信息，進而支持知識管理和數據科學項目。Graphusion的主要優點包括其自動化處理能力、對不同數據集的適應性以及靈活的配置選項。產品背景信息顯示，Graphusion是由tdurieux開發的，可以在GitHub上找到相關代碼和文檔。目前，該工具是免費的，但具體的定價策略可能會根據開發者的更新和維護情況而變化。

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。

Knowledge Table 是一個開源工具包，旨在簡化從非結構化文檔中提取和探索結構化數據的過程。它通過自然語言查詢界面，使用戶能夠創建結構化的知識表示，如表格和圖表。該工具包具有可定製的提取規則、精細調整的格式化選項，並通過UI顯示的數據溯源，適應多種用例。它的目標是為業務用戶提供熟悉的電子表格界面，同時為開發者提供靈活且高度可配置的後端，確保與現有RAG工作流程的無縫集成。

GraphReasoning是一個利用生成式人工智能技術將1000篇科學論文轉化為知識圖譜的項目。通過結構化分析，計算節點度、識別社區和連接性，評估聚類係數和關鍵節點的介數中心性，揭示了迷人的知識架構。該圖譜具有無標度性質，高度互聯，可用於圖推理，利用傳遞性和同構性質揭示前所未有的跨學科關係，用於回答問題、識別知識空白、提出前所未有的材料設計和預測材料行為。

Local Knowledge Graph是一個基於Flask的Web應用程序，它使用本地Llama語言模型來處理用戶查詢，生成逐步推理，並以交互式知識圖譜的形式可視化思考過程。它還能根據語義相似性找到並顯示相關問題和答案。該應用程序的主要優點包括即時顯示推理過程、動態知識圖譜可視化、計算並顯示最強推理路徑、以及基於語義相似性的相關問答。

SciAgentsDiscovery 是一個利用多智能體系統和大規模本體知識圖譜，自動化科學研究的系統。它通過整合大型語言模型、數據檢索工具和多智能體學習系統，能夠自主生成和完善研究假設，揭示潛在的機制、設計原則和意外材料屬性。該系統在生物啟發材料領域展示了其跨學科關係的發現能力，超越了傳統人類驅動的研究方法。

Fine AI Coding Workflows是一個AI驅動的軟件開發自動化平臺，它通過定製化的AI工作流程來加速開發週期。該平臺基於Atlas知識圖譜，整合了團隊使用的工具，為AI代理提供豐富的上下文信息，以實現更精確的任務執行。它支持與多種開發工具集成，比如OpenAI、Anthropic、Sentry、GitHub等，旨在提高開發效率、代碼質量和問題解決速度。

muAgent是一個創新的Agent框架，由知識圖譜引擎驅動，支持多Agent編排和協同技術。它利用LLM+EKG（Eventic Knowledge Graph 行業知識承載）技術，結合FunctionCall、CodeInterpreter等，通過畫布式拖拽和輕文字編寫，實現複雜SOP流程的自動化。muAgent兼容市面上各類Agent框架，具備複雜推理、在線協同、人工交互、知識即用等核心功能。該框架已在螞蟻集團多個複雜DevOps場景中得到驗證。

iText2KG是一個Python包，旨在利用大型語言模型從文本文檔中提取實體和關係，增量構建一致的知識圖譜。它具備零樣本能力，允許在沒有特定訓練的情況下跨不同領域進行知識提取。該包包括文檔蒸餾、實體提取和關係提取模塊，確保實體和關係得到解決和唯一性。它通過Neo4j提供知識圖譜的可視化表示，支持交互式探索和分析結構化數據。

Fact Finder 是一個開源的智能問答系統，它使用語言模型和知識圖譜來生成自然語言回答和提供證據。該系統通過調用語言模型生成Cypher查詢，查詢知識圖譜以獲取答案，並使用另一個語言模型調用生成最終的自然語言回答。Fact Finder 的主要優點包括能夠提供透明性，允許用戶查看查詢和證據，以及通過可視化子圖提供直觀的證據。

Easy-RAG是一個檢索增強生成(RAG)系統，它不僅適合學習者瞭解和掌握RAG技術，同時也便於開發者使用和進行自主擴展。該系統通過集成知識圖譜提取解析工具、rerank重新排序機制以及faiss向量數據庫等技術，提高了檢索效率和生成質量。

Triplex是一個創新的開源模型，能夠將大量非結構化數據轉換為結構化數據，其在知識圖譜構建方面的表現超越了gpt-4o，且成本僅為其十分之一。它通過高效的將非結構化文本轉換為知識圖譜的構建基礎——語義三元組，大幅降低了知識圖譜的生成成本。

Memary是一個開源的記憶層，專為自主智能體設計，通過模仿人類記憶的方式，提升智能體的推理和學習能力。它使用Neo4j圖數據庫存儲知識，並結合了Llama Index和Perplexity模型來增強知識圖譜的查詢能力。Memary的主要優點包括自動生成記憶、記憶模塊、系統改進和回溯記憶等功能，旨在以最小的開發者實現與現有智能體集成，並通過儀表盤提供記憶分析和系統改進的可視化數據。

knowledge_graph_maker是一個Python庫，能夠根據給定的本體論將任意文本轉換為知識圖譜。知識圖譜是一種語義網絡，代表現實世界實體之間的網絡和它們之間的關係。該庫通過圖算法和中心性計算，幫助用戶深入分析文本內容，實現概念之間的連接性分析，以及通過圖檢索增強生成（GRAG）技術，提升與文本的交流深度。

RDFox 是由牛津大學計算機科學系的三位教授基於數十年知識表示與推理（KRR）研究開發的規則驅動人工智能技術。其獨特之處在於：1. 強大的AI推理能力：RDFox 能夠像人類一樣從數據中創建知識，基於事實進行推理，確保結果的準確性和可解釋性。2. 高性能：作為唯一在內存中運行的知識圖譜，RDFox 在基準測試中的表現遠超其他圖技術，能夠處理數十億三元組的複雜數據存儲。3. 可擴展部署：RDFox 具有極高的效率和優化的佔用空間，可以嵌入邊緣和移動設備，作為 AI 應用的大腦獨立運行。4. 企業級特性：包括高性能、高可用性、訪問控制、可解釋性、人類般的推理能力、數據導入和 API 支持等。5. 增量推理：RDFox 的推理功能在數據添加或刪除時即時更新，不影響性能，無需重新加載。

GraphRAG-Ollama-UI是一個基於微軟GraphRAG的本地模型適配版本，支持使用Ollama進行本地模型支持。它通過Gradio UI提供了一個交互式用戶界面，使得用戶可以更方便地管理數據、運行查詢和可視化結果。該模型的主要優點包括本地模型支持、成本效益高、交互式用戶界面、即時圖可視化、文件管理、設置管理、輸出探索和日誌記錄。