Yuxi-Know – 基于大模型 RAG 知识库的 AI 知识图谱问答平台

Yuxi-Know是什么

Yuxi-Know（语析）是基于大模型RAG知识库与知识图谱技术构建的智能问答平台。Yuxi-Know支持多种知识库文件格式（如PDF、TXT、MD、Docx），支持将文件内容转换为向量存储，便于快速检索。Yuxi-Know集成基于Neo4j的知识图谱问答能力，能处理复杂的知识关系查询。平台支持多模型适配，包括OpenAI、国内主流大模型及本地部署的vllm、ollama等。语析具备智能体拓展功能，支持开发者编写自定义智能体代码，进一步提升系统的灵活性和功能性。

Yuxi-Know的主要功能

• 多模型支持：支持多种大模型平台，包括OpenAI、国内主流大模型平台，及本地部署的vllm和ollama。
• 灵活的知识库管理：支持PDF、TXT、MD、Docx等多种格式的文档上传。
• 知识图谱集成：基于Neo4j的知识图谱问答能力，支持用户上传jsonl格式的知识图谱文件。
• 智能体拓展：支持用户编写自定义智能体代码，进一步拓展系统的功能。
• 推理模型支持：支持Deepseek-R1等推理模型，提供更智能的问答体验。
• 网页检索：支持网页内容检索和展示。
• 可视化配置：提供丰富的可视化配置功能，用户方便地管理和优化系统设置。

Yuxi-Know的技术原理

• RAG架构：基于向量模型将知识库中的文本转换为向量，存储在向量数据库中。当用户提出问题时，系统从向量数据库中检索与问题最相关的文档片段。将检索到的文档片段与用户问题一起输入到大语言模型中，生成准确的答案。
• 知识图谱技术：Neo4j作为知识图谱的存储和查询引擎。知识图谱用节点和关系的形式存储知识，用户基于图谱进行复杂的知识关系查询。知识图谱的构建和管理基于网页界面完成，用户能方便地上传和更新图谱数据。
• 多模型适配：基于配置文件（如models.yaml），系统支持多种大模型平台的API调用。用户根据需要选择不同的模型，系统自动适配调用相应的API。
• 向量模型与重排序模型：向量模型将文本转换为向量，支持多种向量模型，如BAAI/bge-m3等。重排序模型优化检索结果的顺序，提高问答的准确性和效率。
• 前端与后端技术栈：前端基于VueJS，提供用户友好的交互界面。后端基于FastAPI，提供高效的服务端处理能力。数据库用Milvus-Standalone作为向量数据库，Neo4j作为知识图谱数据库。
• Docker容器化部署：Docker进行容器化部署，方便开发和生产环境的快速搭建和管理。支持开发环境的自动更新和后台运行。

Yuxi-Know的项目地址

• GitHub仓库：https://github.com/xerrors/Yuxi-Know

Yuxi-Know的应用场景

• 企业知识管理：构建企业知识库，员工可快速查询资料，提升工作效率。
• 教育领域：辅助在线学习，为学生提供智能辅导和知识解答。
• 客户服务：作为智能客服，快速回答客户咨询，提升客户满意度。
• 医疗健康：提供医学知识查询和患者初步咨询，辅助医疗决策。
• 科研与学术：支持文献检索和知识图谱构建，助力科研工作。