❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

原文链接:https://mp.weixin.qq.com/s/waue-ROkd5koZ_IWuaxYmA


🚀 快速阅读

  1. 功能:GraphAgent 能够自动构建知识图谱,解释用户查询并执行任务。
  2. 技术:结合图神经网络和大型语言模型,处理复杂的数据关系。
  3. 应用:广泛应用于学术网络分析、电子商务推荐和金融风险管理等领域。

正文(附运行示例)

GraphAgent 是什么

公众号: 蚝油菜花 - GraphAgent

GraphAgent 是香港大学和香港科技大学(广州)联合推出的智能图形语言助手,能够处理现实世界中结构化(如图连接)和非结构化(如文本、视觉信息)格式的数据。这些数据包含复杂的关系和相互依赖性,可以通过知识图谱进行展示。

GraphAgent 包括三个关键组件:图生成代理构建知识图谱,任务规划代理解释用户查询并制定任务,任务执行代理执行任务、自动化工具匹配。GraphAgent 整合语言模型与图语言模型,揭示数据间复杂的关系和语义依赖性,在多种图相关任务上展示有效性。

GraphAgent 的主要功能

  • 图生成:自动构建知识图谱,反映复杂的语义依赖关系,从文本中提取实体节点和关系。
  • 任务规划:解释用户查询,将用户的需求转化为具体的预测或生成任务,规划执行策略。
  • 任务执行:执行规划好的任务,包括自动化工具匹配和调用,响应用户查询。
  • 自然语言交互:支持用户用自然语言与系统交互,无需专业知识即可分析图数据。
  • 预测分析:支持基于图的预测任务,如节点分类和链接预测。

GraphAgent 的技术原理

  • 异构图表示:用异构图表示结构化和非结构化数据,捕捉实体间的关系。
  • 图神经网络:图神经网络作为图Tokenizer,将图结构信息编码为嵌入表示。
  • 大型语言模型:结合预训练的大型语言模型来理解和生成自然语言,与图结构信息结合。
  • 代理架构:设计一个多代理系统,每个代理负责处理不同的任务,如生成、规划和执行。
  • 图-指令对齐:基于图-指令匹配任务训练大型语言模型,更好地理解和处理图结构数据。

如何运行 GraphAgent

1. 安装
# 克隆仓库
git clone https://github.com/yourusername/GraphAgent.git
cd GraphAgent

# 创建 conda 环境
conda create -n graphagent python=3.11
conda activate graphagent

# 安装 GraphAgent 推理所需的依赖
pip install -r GraphAgent-inference/requirements.txt
2. 获取预训练模型

我们提供了多个预训练模型,您可以从 Hugging Face 下载这些模型,并将其路径替换到 GraphAgent-inference/run.sh 中。

3. 设置规划器和 API 令牌

我们使用基于 API 的 LLM 调用进行任务规划和图生成。默认的规划器是 deepseek,您可以在 GraphAgent-inference/run.sh 中设置 API 密钥。

4. 推理示例
bash GraphAgent-inference/run.sh

>>> 请输入用户指令或文件路径(或输入 'exit' 退出):

# 使用 GraphAgent-inference/demo/use_cases/teach_me_accelerate.txt 作为示例
>>> 请输入用户指令或文件路径(或输入 'exit' 退出):GraphAgent-inference/demo/use_cases/teach_me_accelerate.txt

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

Logo

欢迎加入 MCP 技术社区!与志同道合者携手前行,一同解锁 MCP 技术的无限可能!

更多推荐