跳到正文

KAG

用知识图谱增强的框架构建领域知识服务

访问官网

KAG 是什么

KAG 被介绍为一个专业的领域知识服务框架,借助知识图谱和向量检索的优势,双向增强大型语言模型和知识图谱,针对 RAG 技术在向量相似性与知识推理相关性之间的差距以及对知识逻辑不敏感等问题。资料还列出它在蚂蚁集团的政务问答和健康问答两个专业知识问答任务中的应用。

你可以用它做什么

  • 基于 DIKW 层次结构做 LLM 友好的知识表示
  • 建立知识图谱与原文片段之间的相互索引
  • 用含规划、推理和检索操作符的逻辑形式引导混合推理引擎
  • 扩展 kag-builder 和 kag-solver 的实现以满足特定需求

应用场景

  • 政务问答:基于政务知识图谱回答政策、法规等专业问题
  • 健康问答:整合医疗知识提供专业健康咨询服务
  • 风险挖掘:在金融领域用专家规则识别和分析潜在风险

上手流程

  • 根据系统版本要求安装 Docker、Docker Compose 等依赖
  • 用 curl 命令下载 docker-compose.yml 文件并启动服务
  • 在浏览器输入默认网址 http://127.0.0.1:8887 查看产品指南
  • 开发者按指南创建 conda 环境、克隆代码并安装 KAG

优点与缺点

✓ 我们认可的地方

  • 知识图谱与向量检索双向增强
  • 开发者可扩展 kag-builder 与 kag-solver 的实现

! 需要留意的地方

  • 环境安装需要 Docker 与 Docker Compose
  • 开发者需按 conda 环境、克隆代码、安装 KAG 的顺序操作

常见问题

KAG 是什么的缩写?

资料将其展开为 Knowledge Augmented Generation。

资料列出哪些结果?

资料列出 hotpotQA 上 F1 分数相对提高 19.6%、2wiki 上提高 33.5%。

最后评测: 2026-11-15

更多 AI 办公助手 工具

查看全部 →

评测方法