منصوبے کے بارے میں

GraphRAG ایک ڈیٹا پائپ لائن اور ٹرانسفارمیشن سوٹ ہے جو بڑے زبان کے ماڈلز (LLMs) کا استعمال کرتے ہوئے غیر منظم متن سے اہم، ڈھانچہ جاتی ڈیٹا نکالنے کے لیے ڈیزائن کیا گیا ہے۔ اس کا مرکزی خیال علم کے گراف کی میموری ڈھانچے تعمیر کرنا ہے، جنہیں سوالوں کے جواب دینے کے لیے ہدف شدہ سیاق و سباق تشکیل دینے کے لیے استعمال کیا جا سکتا ہے، جس سے نجی یا بیانیہ ڈیٹا پر LLM کی استدلال کرنے کی صلاحیت بہتر ہوتی ہے۔ یہ ریپوزٹری Microsoft Research کی طرف سے ہے اور اسے صراحت کے ساتھ ایک تحقیقی پروجیکٹ کے طور پر بیان کیا گیا ہے، نہ کہ مائیکروسافٹ کی سرکاری طور پر سپورٹڈ پیشکش کے طور پر۔ جولائی 2024 میں پہلی ریلیز کے بعد سے، یہ پروجیکٹ زیادہ تر دیکھ بھال کے موڈ (maintenance mode) میں چلا گیا ہے: یہ نئے pull requests قبول نہیں کر رہا ہے یا نئی خصوصیات نافذ نہیں کر رہا ہے، لیکن منتظمین مناسب ہونے کی صورت میں، خاص طور پر CVEs کے ازالے کے لیے، بگ فکسز اور ڈیپینڈنسی اپڈیٹس کریں گے۔ آغاز کرنے کے لیے سرکاری دستاویزات میں موجود کمانڈ لائن کویک اسٹارٹ کا استعمال کرنے کی سفارش کی جاتی ہے۔ README میں زور دیا گیا ہے کہ GraphRAG انڈیکسنگ ایک مہنگا آپریشن ہو سکتا ہے، اور صارفین سے درخواست کی جاتی ہے کہ وہ تمام دستاویزات پڑھیں، متعلقہ عمل اور اخراجات کو سمجھیں، اور چھوٹے پیمانے پر شروع کریں۔ یہ اپنے ڈیٹا کے ساتھ GraphRAG استعمال کرتے وقت بہترین نتائج حاصل کرنے کے لیے prompt tuning کی بھی سفارش کرتا ہے، کیونکہ ڈیفالٹ سیٹنگز میں بہترین نتائج نہ مل سکتے ہیں۔ ورژن گائیڈنس ایک breaking-changes دستاویز میں فراہم کی گئی ہے۔ صارفین کو مشورہ دیا جاتا ہے کہ نئے کنفیگ فارمیٹ کو یقینی بنانے کے لیے مائنر ورژن اپڈیٹس کے درمیان `graphrag init --root [path] --force` چلائیں، اور پچھلے ڈیٹا سیٹس کو دوبارہ انڈیکس کرنے سے بچنے کے لیے میجر ورژن اپڈیٹس کے درمیان فراہم کردہ migration نوٹ بک چلائیں۔ اس سے کنفیگریشن اور prompts اوور رائٹ ہو سکتے ہیں، لہذا بیک اپ کی سفارش کی جاتی ہے۔ پروجیکٹ میں Responsible AI FAQ شامل ہے جو GraphRAG کیا ہے، یہ کیا کر سکتا ہے، اس کے مطلوبہ استعمال، تشخیصی میٹرکس، حدود، اور ذمہ دارانہ استعمال کے لیے آپریشنل سیٹنگز کا احاطہ کرتا ہے۔ یہ مائیکروسافٹ کی ٹریڈ مارک اور رازداری کی پالیسیوں پر بھی عمل کرتا ہے۔ مجموعی طور پر، GraphRAG علم کے گرافوں کو retrieval-augmented generation کے ساتھ جوڑنے کا ایک ماڈیولر طریقہ کار پیش کرتا ہے، لیکن ممکنہ صارفین کو اپنانے سے پہلے اس کی تحقیقی حیثیت، دیکھ بھال کے موڈ کی پابندیوں، اور ممکنہ طور پر قابل ذکر انڈیکسنگ اخراجات سے آگاہ ہونا چاہیے۔