kag

KAG（Knowledge Augmented Generation）是一个基于OpenSPG引擎和大语言模型构建的框架，旨在对垂直领域知识库进行逻辑推理和事实问答。它被定位为传统向量相似度RAG和基于OpenIE的GraphRAG的替代方案，解决了相似性检索中的歧义性和开放信息抽取引入的噪声问题。 README中描述的核心思想： - 知识表示：参考DIKW层级结构，升级SPG表示以增强大语言模型友好性。它处理非结构化数据（新闻、事件、日志、书籍）、结构化数据（交易、统计、审批）和专家规则，利用布局分析、知识抽取、属性归一化和语义对齐构建统一的业务知识图谱。它支持在同一知识类型上进行无模式抽取和受模式约束的专家构建，并在图结构与原始文本块之间建立相互索引。 - 逻辑形式引导的混合推理：一个包含规划、推理和检索操作符的求解器，将自然语言问题转换为语言与符号相结合的求解过程。步骤可使用精确匹配检索、文本检索、数值计算或语义推理，整合检索、知识图谱推理、语言推理和数值计算。 架构：kg-builder（知识表示与构建）和kg-solver（混合求解/推理引擎）；kag-model组件计划在未来开源发布。 近期发布说明提到版本0.8.0（2025.06.27），包含私有和公网知识库模式、MCP协议集成（用于LBS/WebSearch数据源和智能体工作流）、内置索引类型（大纲、摘要、知识单元、原子查询、块、表格）、知识库与应用解耦，以及KAG-Thinker模型适配。版本0.7（2025.04.17）重构了KAG-Solver，引入静态和迭代规划模式，新增简单和深度推理模式、流式输出、图索引渲染、open_benchmark目录和轻量构建模式。更早的更新增加了领域模式定制、QFS任务、视觉查询分析、Word文档上传和并发设置；初始版本发布于2024.10.25。 部署：产品模式使用Docker Compose，提供compose文件和Web UI（端口8887，含默认凭据）；工具包模式通过pip从克隆的仓库安装，适用于macOS、Linux或Windows上的Python 3.10+。文档托管在语雀，社区支持通过Discord和微信提供。项目采用Apache-2.0许可证，并引用了arXiv论文（2409.13731）。