Yuxi-Know – 基于大模型 RAG 知識庫的 AI 知識圖譜問答平臺

Yuxi-Know（語析）是一款智能問答平臺，基于大模型RAG知識庫和知識圖譜技術構建，旨在為用戶提供高效的知識檢索和問答服務。它支持多種文檔格式（如PDF、TXT、MD、Docx），能夠將文件內容轉換為向量，便于快速檢索和管理。Yuxi-Know還集成了基于Neo4j的知識圖譜問答能力，有效處理復雜的知識關系查詢，并支持多模型適配，包括OpenAI、國內主流大模型及本地部署的vllm、ollama等。此外，平臺還具備智能體拓展功能，允許開發者編寫自定義智能體代碼，增強系統的靈活性和功能性。

Yuxi-Know是什么

Yuxi-Know（語析）是一個先進的智能問答平臺，利用大模型RAG知識庫與知識圖譜技術，為用戶提供便捷的知識檢索與問答服務。它支持多種文檔格式的上傳與管理，能夠將文本內容轉化為向量，以便于高效的檢索。Yuxi-Know的知識圖譜能力使得復雜的知識關系查詢變得簡單易行，用戶還可以通過上傳jsonl格式的知識圖譜文件，進一步擴展其知識庫。同時，Yuxi-Know支持多種模型平臺，便于用戶根據需求進行選擇，提升其智能問答體驗。

Yuxi-Know的主要功能

• 多模型適配：兼容OpenAI、國內主流大模型及本地部署的vllm和ollama，靈活應對不同需求。
• 多格式知識庫管理：支持PDF、TXT、MD、Docx等多種文檔格式的上傳與轉換。
• 知識圖譜集成：基于Neo4j的知識圖譜問答能力，方便用戶進行復雜的知識關系查詢。
• 智能體擴展：允許用戶編寫自定義智能體代碼，拓展系統功能，滿足特定需求。
• 推理模型支持：集成Deepseek-R1等推理模型，提升問答的智能化程度。
• 網頁內容檢索：支持從網頁中獲取信息并進行展示，擴大知識覆蓋面。
• 可視化配置：提供友好的可視化配置界面，便于用戶管理和優化系統設置。

Yuxi-Know的技術原理

• RAG架構：通過向量模型將知識庫文本轉化為向量，存儲于向量數據庫中，精準檢索與用戶問題相關的文檔片段，并結合大語言模型生成答案。
• 知識圖譜技術：Neo4j作為知識圖譜的存儲和查詢引擎，以節點和關系的形式呈現知識，支持用戶進行復雜查詢。
• 多模型適配：系統通過配置文件（例如models.yaml）支持多種大模型平臺的API調用，用戶可靈活選擇所需模型。
• 向量與重排序模型：將文本轉換為向量并支持多種向量模型，同時通過重排序模型優化檢索結果，提高問答效率。
• 前后端技術棧：前端采用VueJS構建用戶友好的界面，后端基于FastAPI實現高效服務，數據庫則使用Milvus-Standalone作為向量數據庫，Neo4j作為知識圖譜數據庫。
• Docker容器化部署：支持Docker進行容器化部署，便于快速搭建與管理開發及生產環境。

Yuxi-Know的項目地址

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

Yuxi-Know的應用場景

• 企業知識管理：構建企業內知識庫，提升員工信息查詢效率。
• 教育領域：為在線學習提供智能輔導與知識解答，助力學生學習。
• 客戶服務：作為智能客服，迅速回答客戶咨詢，提高客戶滿意度。
• 醫療健康：提供醫學知識查詢與患者初步咨詢，支持醫療決策。
• 科研與學術：助力文獻檢索與知識圖譜構建，推動科研工作進展。

常見問題

• Yuxi-Know支持哪些文檔格式？支持PDF、TXT、MD、Docx等多種格式。
• 如何擴展Yuxi-Know的功能？用戶可以編寫自定義智能體代碼，擴展系統功能。
• Yuxi-Know可以部署在本地嗎？是的，支持本地部署，確保數據安全。
• 如何獲取技術支持？可以通過GitHub項目頁面聯系開發者獲取支持。