GraphRAG

La classe GraphRAG met en œuvre une approche de la génération augmentée par récupération fondée sur un graphe. Elle crée un graphe de connaissances à partir de segments de documents, dans lequel les nœuds représentent les documents et les arêtes leurs relations sémantiques. Elle permet ainsi à la fois la recherche directe de similarités et la découverte de contenus associés par parcours du graphe.

Utilisation de base

import { GraphRAG } from '@mastra/rag'

const graphRag = new GraphRAG({
  dimension: 1536,
  threshold: 0.7,
})

// Create the graph from chunks and embeddings
graphRag.createGraph(documentChunks, embeddings)

// Query the graph with embedding
const results = await graphRag.query({
  query: queryEmbedding,
  topK: 10,
  randomWalkSteps: 100,
  restartProb: 0.15,
})

Paramètres du constructeur

dimension?:

number

= 1536

Dimension des vecteurs d'embedding

threshold?:

number

= 0.7

Seuil de similarité pour la création des arêtes entre les nœuds (0-1)

Méthodes

createGraph

Crée un graphe de connaissances à partir de segments de documents et de leurs embeddings.

createGraph(chunks: GraphChunk[], embeddings: GraphEmbedding[]): void

Paramètres

chunks:

GraphChunk[]

Tableau de segments de documents contenant du texte et des métadonnées

embeddings:

GraphEmbedding[]

Tableau des embeddings correspondant aux segments

query

Effectue une recherche fondée sur un graphe en combinant la similarité vectorielle et le parcours du graphe.

query({
  query,
  topK = 10,
  randomWalkSteps = 100,
  restartProb = 0.15
}: {
  query: number[];
  topK?: number;
  randomWalkSteps?: number;
  restartProb?: number;
}): RankedNode[]

Paramètres

query:

number[]

Vecteur d'embedding de la requête

topK?:

number

= 10

Nombre de résultats à renvoyer

randomWalkSteps?:

number

= 100

Nombre d'étapes de la marche aléatoire

restartProb?:

number

= 0.15

Probabilité de reprendre la marche à partir du nœud de la requête

Valeur renvoyée

Renvoie un tableau d'objets RankedNode, dans lequel chaque nœud contient :

id:

string

Identifiant unique du nœud

content:

string

Contenu textuel du segment de document

metadata:

Record<string, any>

Métadonnées supplémentaires associées au segment

score:

number

Score de pertinence combiné issu du parcours du graphe

Exemple avancé

const graphRag = new GraphRAG({
  dimension: 1536,
  threshold: 0.8, // Stricter similarity threshold
})

// Create graph from chunks and embeddings
graphRag.createGraph(documentChunks, embeddings)

// Query with custom parameters
const results = await graphRag.query({
  query: queryEmbedding,
  topK: 5,
  randomWalkSteps: 200,
  restartProb: 0.2,
})

Voir aussi

• createGraphRAGTool