如何用 GraphRAG 的 prompt-tune 命令生成领域适配的索引提示词？-北京尧图网络

如何用 GraphRAG 的 prompt-tune 命令生成领域适配的索引提示词【免费下载链接】graphragA modular graph-based Retrieval-Augmented Generation (RAG) system项目地址: https://gitcode.com/GitHub_Trending/gr/graphragGraphRAG 的索引流水线默认使用一组通用提示词来构建知识图谱。如果你的输入数据集中在某个领域比如环境新闻、太空科学、微生物学prompt-tune命令可以读取你的实际输入数据通过一系列 LLM 调用生成适配该领域的提示词文档建议在执行 Index Run 之前运行这一步以获得更好的索引结果。本文以命令行方式完整走一遍初始化工作区、准备输入、运行prompt-tune、核对生成的提示词文件并把settings.yaml指到新的提示词上。前置条件来自文档Python 3.10–3.12已安装graphrag可从 PyPI 安装已用graphrag init初始化过工作区且.env中的 API Key 已配置input/目录中有待索引的数据文件。初始化工作区并准备输入prompt-tune依赖graphrag init生成的配置文件先在你的项目目录下执行python -m pip install graphrag graphrag init执行过程中按提示选择默认的 chat 与 embedding 模型。init命令会创建以下文件settings.yaml— 流水线配置.env— 环境变量文件包含GRAPHRAG_API_KEYAPI_KEY把API_KEY替换为你自己的 OpenAI 或 Azure API keyprompt-tune 会发起 LLM 调用Key 必须有效prompts/— 存放 GraphRAG 默认提示词的目录。然后把你的数据文件放进input/目录。prompt-tune会读取这个目录下的输入支持的格式包括.csv、.txt、.json、.jsonl、.parquet以及 MarkItDown 支持的文件。文档也提醒GraphRAG 可能消耗大量 LLM 资源建议先用小的教程数据集熟悉流程并用较快、较便宜的模型做实验。运行 prompt-tune命令的完整形式来自 Auto Prompt Tuning 文档graphrag prompt-tune [--root ROOT] [--domain DOMAIN] [--selection-method METHOD] [--limit LIMIT] [--language LANGUAGE] \ [--max-tokens MAX_TOKENS] [--chunk-size CHUNK_SIZE] [--n-subset-max N_SUBSET_MAX] [--k K] \ [--min-examples-required MIN_EXAMPLES_REQUIRED] [--discover-entity-types] [--output OUTPUT]各选项的含义与默认值选项说明默认值--root包含配置文件settings.yaml的项目目录当前目录--domain输入数据的领域如 space science留空时从输入数据自动推断空--selection-method文档选择方法all、random、auto、toprandom--limit使用 random 或 top 选择时加载的 text units 数量15--language处理使用的语言与输入语言不同时 LLM 会翻译空自动检测--max-tokens提示词生成的最大 token 数2000--chunk-size从输入文档生成 text units 使用的 token 块大小200--n-subset-maxauto 选择方法中要嵌入的文本块数量300--kauto 选择方法中选取的文档数量15--min-examples-required实体抽取提示词所需的最少示例数2--discover-entity-types允许 LLM 自动发现并抽取实体类型数据覆盖主题很多或高度随机时建议使用不启用--output保存生成提示词的目录prompts文档给出的两个示例python -m graphrag prompt-tune --root /path/to/project --domain environmental news \ --selection-method random --limit 10 --language English --max-tokens 2048 --chunk-size 256 --min-examples-required 3 \ --no-discover-entity-types --output /path/to/output文档标注的最小配置运行方式suggestedpython -m graphrag prompt-tune --root /path/to/project --no-discover-entity-types示例中的/path/to/project、/path/to/output是占位符替换为你实际的项目目录和输出目录如果已经在项目目录下运行--root可省略默认当前目录--output省略时默认写入prompts目录。内部流程命令先加载输入数据按chunk-size切成 text units再用所选方法抽取样本最后通过 LLM 调用与模板替换生成最终提示词。文档建议直接使用脚本默认值按需再调整。选择文档采样方法--selection-method决定从 text units 中取什么样本来做提示词生成random随机选取默认且文档推荐top取前 n 个 text units配合--limitall使用全部 text units文档明确说只适合小数据集通常不推荐auto把 text units 嵌入低维空间后选取距质心最近的 k 个适合大数据集用于选取有代表性的样本配合--n-subset-max和--k。验证生成的提示词运行结束后检查输出目录默认prompts/中是否写入了三个提示词文件extract_graph.txt— 实体/关系抽取提示词summarize_descriptions.txt— 实体/关系描述汇总提示词community_report_graph.txt— 社区报告提示词。文件名依据 CLI 实现该实现会把三个生成结果写入输出目录并在日志中输出Writing prompts to ...与Prompts written to ...两行记录可据此确认文件写入位置。更新配置以使用新提示词文档的 Modify Config 一节要求运行后修改settings.yaml中以下变量让 index run 使用新提示词extract_graph: prompt: prompts/extract_graph.txt summarize_descriptions: prompt: prompts/summarize_descriptions.txt community_reports: prompt: prompts/community_report.txt文档同时提醒务必把路径更新为生成提示词的实际位置上面示例使用默认prompts路径。这里有一处需要留意的差异文档示例中写的是prompts/community_report.txt而命令实际写入的文件名为community_report_graph.txt且init生成的默认配置中community_reports使用的是graph_prompt: prompts/community_report_graph.txt。修改前请先查看输出目录里的真实文件名再按实际名称填写不要照抄可能与代码不一致的路径。另外如果--output保持默认的prompts生成的三个文件名与init生成的默认配置所引用的路径一致配置可能无需改动即可指向新提示词。下一步提示词就位后就可以启动索引流水线graphrag index关于settings.yaml各字段的更多配置项见配置文档手动编辑提示词的进阶用法各提示词支持的 token 替换位见 Manual Prompt Tuning。【免费下载链接】graphragA modular graph-based Retrieval-Augmented Generation (RAG) system项目地址: https://gitcode.com/GitHub_Trending/gr/graphrag创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

如何用 GraphRAG 的 prompt-tune 命令生成领域适配的索引提示词？

相关推荐

Web-Dev-For-Beginners 银行应用项目：纯 HTML/CSS/JS 解决方案运行与实现解析

线性回归驱动的学生就业分析系统开题报告写作指南

前端系统设计面试中如何展现面试官评分看重的信号（需求探索、架构、权衡）？

更多资讯

使用 Helm 在 Kubernetes 上部署 Cognee：内置 PostgreSQL + pgvector 的完整指南

Git Diff 完全指南：从基础用法到分支对比、工作流审计与安全实践（refine 仓库实战解析）

180元预算2小时：从零组装ESP32激光雕刻机新手实操指南

Node.js全平台安装指南与常见问题解决

基于纳什博弈的多微网电热双层共享策略与Matlab实现

Frigate+ 如何提交标注图像并请求你的第一个自定义检测模型？

今日更新

Linux 内核 ARM 虚拟内存布局全解析：从 4GB 地址空间划分到源码级验证

AIGC降重工具测评与教育应用指南

数据容灾核心指标与实战方案解析

本周精选

超人会飞不算本事：系统稳定依赖清晰规则与边界设计

超人VS蜘蛛侠：拆解超级IP的影响力与传播方法论

基于CNN的调制信号识别：MATLAB实现时频图分类实战

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？