GraphRAG

GraphRAG 类实现基于图的检索增强生成方法。它从文档块创建知识图谱，其中节点表示文档，边表示语义关系，从而既支持直接的相似度匹配，也支持通过图遍历发现相关内容。

基本用法

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,
})

构造函数参数

dimension?:

number

= 1536

嵌入向量的维度

threshold?:

number

= 0.7

在节点之间创建边的相似度阈值（0-1）

方法

createGraph

从文档块及其嵌入创建知识图谱。

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

参数

chunks:

GraphChunk[]

包含文本和元数据的文档块数组

embeddings:

GraphEmbedding[]

与块对应的嵌入数组

query

执行结合向量相似度和图遍历的基于图的搜索。

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

参数

query:

number[]

查询嵌入向量

topK?:

number

= 10

要返回的结果数量

randomWalkSteps?:

number

= 100

随机游走中的步数

restartProb?:

number

= 0.15

从查询节点重新开始游走的概率

返回

返回 RankedNode 对象数组，每个节点包含：

id:

string

节点的唯一标识符

content:

string

文档块的文本内容

metadata:

Record<string, any>

与块关联的附加元数据

score:

number

来自图遍历的综合相关性分数

高级示例

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,
})

相关内容

• createGraphRAGTool