%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)
Minirag
简介 :
MiniRAG是一个针对小型语言模型设计的检索增强生成系统，旨在简化RAG流程并提高效率。它通过语义感知的异构图索引机制和轻量级的拓扑增强检索方法，解决了小型模型在传统RAG框架中性能受限的问题。该模型在资源受限的场景下具有显著优势，如在移动设备或边缘计算环境中。MiniRAG的开源特性也使其易于被开发者社区接受和改进。
需求人群 :
目标受众主要是自然语言处理领域的研究人员、开发者以及对轻量级RAG系统感兴趣的学术界和工业界人士。对于那些希望在资源受限的环境中部署RAG系统，或者需要快速原型开发和实验的团队来说，MiniRAG是一个理想的选择。
使用场景
在移动设备上部署RAG系统，为用户提供快速准确的问答服务。
在边缘计算环境中，利用MiniRAG进行实时文本生成任务，如自动摘要、内容创作等。
学术研究中，作为轻量级RAG系统的基准模型，进行算法优化和性能评估。
产品特色
提供异构图索引机制，结合文本块和命名实体，减少对复杂语义理解的依赖。
采用轻量级拓扑增强检索方法，利用图结构进行高效知识发现，无需高级语言能力。
在使用小型语言模型时，仍能实现与大型语言模型相当的性能。
仅需25%的存储空间，大大降低了部署成本。
提供了一个全面的基准数据集LiHua-World，用于评估轻量级RAG系统在真实设备场景下的性能。
支持从源代码安装和通过PyPI安装，方便开发者快速上手。
代码结构清晰，易于理解和扩展，便于开发者进行二次开发。
使用教程
1. 从GitHub克隆MiniRAG仓库到本地。
%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. 通过命令`pip install -e .`从源代码安装MiniRAG，或通过`pip install lightrag-hku`从PyPI安装。
3. 下载所需的LiHua-World数据集，并将其放置在`./dataset/LiHua-World/data/`目录下。
4. 使用`python ./reproduce/Step_0_index.py`命令对数据集进行索引。
5. 运行`python ./reproduce/Step_1_QA.py`进行问答任务，或使用`main.py`中的代码初始化MiniRAG。
6. 根据需要调整参数和配置，进行模型训练和优化。
精选AI产品推荐
Pseudoeditor
PseudoEditor是一款免费在线伪代码编辑器。它具有语法高亮、自动完成等功能，帮助您更轻松地编写伪代码。您还可以使用我们的伪代码编译器功能进行测试。无需下载，即可立即使用。
开发与工具
4.5M
Erbuilder
Softbuilder的AI-powered ER diagrams generation是一款基于人工智能技术的数据建模工具，能够根据自然语言的数据模型描述、用户故事或需求自动生成ER图。通过使用OpenAI GPT，它能够快速生成精美的ER图，大大提高了数据建模的效率。此外，它还提供数据模型文档、验证、探索等功能，可满足各种数据建模需求。Softbuilder的AI-powered ER diagrams generation适用于各类企业和组织，帮助用户轻松创建和管理数据模型。
开发与工具
4.1M