生产可用的智能体式 RAG 检索系统,提供 RESTful API,帮开发者快速搭建带检索增强的问答与搜索服务。
用 LLM 从非结构化文本里自动抽取实体和关系,直接建成 Neo4j 知识图谱,省去手工建模和写 Cypher 的麻烦,适合做 GraphRAG 和知识库。
一套面向知识图谱抽取与构建的开源工具包,支持命名实体识别、关系抽取、属性抽取和事件抽取,覆盖少样本、文档级和指令抽取等场景。
用 PyTorch 复现 bert4keras 风格的 Transformer 实现,支持 BERT、LLaMA、ChatGLM 等模型,方便做 NLP 训练与推理。
… 图谱构建 :现实种子提取 & 个体与群体记忆注入 & GraphRAG构建 2. 环境搭建 :实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数 3. 开始模拟 :双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆 4. 报告生成 :ReportAgent拥有丰富的工具集与模拟后环境进行深度交互 5. 深度互动 :与
… 图谱构建 :现实种子提取 & 个体与群体记忆注入 & GraphRAG构建 2. 环境搭建 :实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数 3. 开始模拟 :双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆 4. 报告生成 :ReportAgent拥有丰富的工具集与模拟后环境进行深度交互 5. 深度互动 :与
… 图谱构建 :现实种子提取 & 个体与群体记忆注入 & GraphRAG构建 2. 环境搭建 :实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数 3. 开始模拟 :双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆 4. 报告生成 :ReportAgent拥有丰富的工具集与模拟后环境进行深度交互 5. 深度互动 :与