提交您的產品 
Ai應用
Ai資訊
AI生圖
AI生視頻
開源AI應用平臺KAG：基于OpenSPG引擎和LLM的邏輯推理問答框架
KAG是什么？
KAG（Knowledge Augmented Generation）是螞蟻集團推出的專業(yè)領域知識服務框架，基于OpenSPG引擎和LLM，目的在構建垂直領域知識庫的邏輯推理問答解決方案。它通過結合知識圖譜和向量檢索的優(yōu)勢，有效克服傳統(tǒng)RAG向量相似度計算的歧義性和OpenIE引入的GraphRAG的噪聲問題，支持邏輯推理、多跳事實問答等，優(yōu)于當前最先進的SOTA。
KAG核心功能
專業(yè)領域問答增強：結合知識圖譜和向量檢索，提升大型語言模型在特定領域的問答能力，生成更準確、專業(yè)和邏輯性強的答案。
知識表示與檢索優(yōu)化：采用LLM友好的知識表示框架，實現知識圖譜與原始文本塊的互索引，優(yōu)化知識的表示、推理和檢索過程，提高檢索結果的準確性和相關性。
混合推理與問題解決：基于邏輯形式引導的混合推理引擎，將自然語言問題轉化為結合語言和符號的問題解決過程，集成檢索、知識圖譜推理、語言推理和數值計算，有效處理復雜問題。
知識對齊與語義增強：基于語義推理進行知識對齊，定義領域知識為各種語義關系，提高知識的標準化和連通性，增強知識表示的準確性和一致性。
KAG技術架構
kg-builder：負責知識表示和構建。實現對LLM友好的知識表示，基于DIKW層次結構升級SPG知識表示能力，兼容無模式和有模式的知識構建，并支持圖結構和文本塊的互索引表示，為后續(xù)推理問答階段的高效檢索提供支持。
kg-solver：負責推理和求解。采用邏輯形式引導的混合求解和推理引擎，包含規(guī)劃、推理和檢索三種運算符，能夠集成檢索、知識圖譜推理、語言推理和數值計算四種問題求解過程，從而處理復雜的邏輯推理和問答任務。
kag-model：將在后續(xù)逐步開源，其功能在當前版本中未詳細說明。
KAG使用教程
產品版（面向普通用戶）
系統(tǒng)要求：推薦系統(tǒng)版本為macOS Monterey 12.6或更新版本、CentOS 7/Ubuntu 20.04或更新版本、Windows 10 LTSC 2021或更新版本。
軟件要求：macOS/Linux用戶需要Docker和Docker Compose，Windows用戶需要WSL 2/Hyper-V、Docker和Docker Compose。
安裝步驟：使用以下命令下載docker-compose.yml并用Docker Compose啟動服務：
curl -sSL https://raw.githubusercontent.com/OpenSPG/openspg/refs/heads/master/dev/release/docker-compose.yml -o docker-compose.yml docker compose -f docker-compose.yml up -d
使用方法：瀏覽器打開KAG產品默認鏈接http://127.0.0.1:8887，使用默認用戶名openspg和密碼openspg@kag登錄。
工具包版（面向開發(fā)者）
安裝步驟：
安裝Python虛擬環(huán)境，克隆代碼并安裝KAG。
macOS/Linux開發(fā)者：
conda create -n kag-demo python=3.10 && conda activate kag-demo git clone https://github.com/OpenSPG/KAG.git cd KAG && pip install -e .
Windows開發(fā)者：
py -m venv kag-demo && kag-demo\Scripts\activate git clone https://github.com/OpenSPG/KAG.git cd KAG && pip install -e .
使用方法：開發(fā)者可以基于KAG內置的各種組件，實現內置數據集的效果復現+新場景的落地。
GitHub: https://github.com/OpenSPG/KAG
OpenSPG: https://spg.openkg.cn/
