ingFang SC";font-weight: bold;color: rgb(51, 51, 51);line-height: 22px;letter-spacing: 1px;">KAG 是什么ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">KAG（Knowledge Augmented Generation）是基于 OpenSPG 引擎和大型语言模型的逻辑推理问答框架，用于构建垂直领域知识库的逻辑推理问答解决方案。KAG 可以有效克服传统 RAG 向量相似度计算的歧义性和 OpenIE 引入的 GraphRAG 的噪声问题。KAG 支持逻辑推理、多跳事实问答等，并且明显优于目前的 SOTA 方法。ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">
ingFang SC";font-weight: bold;color: rgb(51, 51, 51);line-height: 22px;letter-spacing: 1px;">KAG 核心功能ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: normal;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">LLM 友好的语义化知识管理ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">私域知识库场景，非结构化数据、结构化信息、业务专家经验 往往三者共存，KAG 提出了一种对大型语言模型（LLM）友好的知识表示框架，在 DIKW（数据、信息、知识和智慧）的层次结构基础上，将 SPG 升级为对 LLM 友好的版本，命名为 LLMFriSPG。ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">这使得它能够在同一知识类型（如实体类型、事件类型）上兼容无 schema 约束的信息提取和有 schema 约束的专业知识构建，并支持图结构与原始文本块之间的互索引表示。ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">这种互索引表示有助于基于图结构的倒排索引的构建，并促进了逻辑形式的统一表示、推理和检索。同时通过知识理解、语义对齐等进一步降低信息抽取的噪声，提升知识的准确率和一致性。ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: normal;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">逻辑符号引导的混合推理引擎ingFang SC", "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">KAG 提出了一种逻辑符号引导的混合求解和推理引擎。该引擎包括三种类型的运算符：规划、推理和检索，将自然语言问题转化为结合语言和符号的问题求解过程。在这个过程中，每一步都可以利用不同的运算符，如精确匹配检索、文本检索、数值计算或语义推理，从而实现四种不同问题求解过程的集成：图谱推理、逻辑计算、Chunk 检索和 LLM 推理。 
KAG 框架包括 kg-builder、kg-solver、kag-model 三部分。本次发布只涉及前两部分，kag-model 将在后续逐步开源发布。 kg-builder: 负责知识表示和构建。它实现了一种对 LLM 友好的知识表示，基于 DIKW 层次结构升级 SPG 知识表示能力，兼容无模式和有模式的知识构建，并支持图结构和文本块的互索引表示，为后续推理问答阶段的高效检索提供支持。 kg-solver: 负责推理和求解。它采用逻辑形式引导的混合求解和推理引擎，包含规划、推理和检索三种运算符，能够集成检索、知识图谱推理、语言推理和数值计算四种问题求解过程，从而处理复杂的逻辑推理和问答任务。 kag-model: (未来逐步开源) 该部分的功能在当前版本中未详细说明，可能包含模型训练、优化或其他与模型相关的组件。
推荐系统版本macOSUser：macOSMonterey12.6orlaterLinuxUser：CentOS7/Ubuntu20.04orlaterWindowsUser：Windows10LTSC2021orlater 软件要求macOS/LinuxUser：Docker，DockerComposeWindowsUser：WSL2/Hyper-V，Docker，DockerCompose docker 镜像安装使用以下命令下载 docker-compose.yml 文件并使用 Docker Compose 启动服务。 #setthe HOME environment variable (onlyWindows users needtoexecutethis command)#setHOME=%USERPROFILE%
curl-sSL https://raw.githubusercontent.com/OpenSPG/openspg/refs/heads/master/dev/release/docker-compose-west.yml-o docker-compose-west.ymldocker compose-f docker-compose-west.yml up-d
运行浏览器运行http://127.0.0.1:8887 | 
