|
先简单说下 RAG 和Graph RAG的区别。
以把小说作为知识库为例。 RAG，会把小说分块，然后把每块向量化，之后用户提问，根据提问的问题，找到最相似的分块，最后把这些分块，发送给AI模型，最后，AI模型给出答案。
Graph RAG，会把小说中，拆分出节点和边。 节点，可以理解为是一个人物，如：主角。 边，可以理解为，节点和节点间的关系，用来连接节点。
然后，找到最相似的节点，遍历这个节点的上下关系，这个上下关系，可能和你问题的语义，完全不相关，所以普通RAG是搜不出来的。 最后，给AI模型，得出答案。
所以区别就是，Graph RAG给AI模型的语料，会包含更加详细的信息。
然后，进入正题，百度千帆平台，有完全免费的模型。 
这种标着免费使用的模型，有着使用的限制，我用到的是下面的模型。
这里提示无需开通，也没标记使用限制。
具体如何对接，请自行查看文档，目前我还在开发的"多样智能"，已经给出了web版页面配置。
配置好了之后，看下对话效果，我感觉这个免费的模型，对话效果不好。
最后我解析了小说"飞升之后",前24000字，构成了这样的知识图谱。
放大看看
这是我优化后结果，刚开始对接这个模型的时候，生成的图谱一塌糊涂。
看下搜索的结果。 
我没有测试过openai构建的知识图谱，有钱的小伙伴可以也解析下，比较下，据我了解，使用openai构建的知识图谱很贵。 如果是本地搭建了ollama等平台，由于每台电脑配置不同，这里不测试了，反正我自己实验了下，就放弃了，太慢了。 | 
