最近一直在研究知识库的产品，包括maxkb、fastgpt、dify等，发现一些共性；这些产品对知识库的索引能力太差； 基本都是 向量检索、全文检索、混合检索这三种；

但是这三种方式往往获取的内容比较割裂，都是片段内容； 真正的知识内容是 相互关联的 是个网状结构；

比如我想检索 中午吃点啥？ 单纯的向量或者全文检索，是没有什么内容的；必须通过 知识图谱 来分析：我的位置、我的喜好、周围餐厅等，才能产生有效的信息推荐；

今天来讲一个比较不错的框架：知识增强生成(KAG：Knowledge Augmented Generation)

这个框架充分利用了知识图谱和向量检索的优势，解决了我上面说的场景；它是蚂蚁开源的框架，github地址是：
https://github.com/OpenSPG/KAG

官方对硬件要求如下：

CPU ≥ 8 cores; RAM ≥ 32 GB; Disk ≥ 100 GB; 
Linux 用户：CentOS 7 / Ubuntu 20.04 或更新版本 （windows 和mac 也可以，参考官方文档）

要求不是太高，楼主用的 4090 服务器，完全够用

1、安装框架

安装比较简单，用docker安装即可：

curl -sSL https://raw.githubusercontent.com/OpenSPG/openspg/refs/heads/master/dev/release/docker-compose.yml -o docker-compose.yml
docker compose -f docker-compose.yml up -d

可以看到，安装了以下几个产品：

release-openspg-server、release-openspg-mysql、release-openspg-neo4j、release-openspg-minio

安装完成后，通过浏览器输入 http://你的ip:8887, 可访问openspg-kag 产品了。

刚开始是空白的，纯技术思维的产品，配置起来有点复杂；

2、配置一个知识库

点击创建知识库：

出来这个东西，高级配置里面，是要输入json字符，只能看文档，我把官方文档拷贝出来给大家看下：

由于最近deepseek 接口不稳定，在模型配置里面我用的是 千问，参考配置：

{"api_key":"sk-xxxxx","base_url":"https://dashscope.aliyuncs.com/compatible-mode/v1","model":"qwen-plus","client_type":"maas"}

3、上传文档

由于不支持word格式，我把word的转成了pdf上传，文档是 操作教程，大概 2M大小；分成 24个功能介绍；点击下一步后，就看他一步步处理文档了：

提示：过程缓慢、需要耐心

4、验证结果

等了大概 10分钟后，终于处理完了，可以在列表 点击 “抽取结果”，会发现文档被图形化了

离散的功能点被串联成了知识图谱；这样内容和内容之间就产生了关系；

我们去测试回答情况：

当我问 如何增加 知识库 时，对方的回答就非常全面，不仅告诉我了在哪里操作，还有些扩展的内容，比如 如何修改、如何优化； 这个回复内容就非常有价值了；

这个框架什么都好，就是慢； 也许是做了更多分析的缘故，适用于“不着急”回复的场景；后续研读下源码，看如何调优；

Tags：minio安装