OpenSPG/KAG

KAG is a logical form-guided reasoning and retrieval framework based on OpenSPG engine and LLMs. It is used to build logical reasoning and factual Q&A solutions for professional domain knowledge bases. It can effectively overcome the shortcomings of the traditional RAG vector similarity calculation model.

RAG⭐ 9 066Pythonпоследний релиз: v0.8.0

Открыть на GitHub ↗Сайт проекта ↗

Что это за инструмент

KAG — это фреймворк для построения систем логического вывода и ответов на вопросы (Q&A) на базе графов знаний OpenSPG и LLM, заменяющий традиционный RAG.

Зачем нужен

Инструмент решает проблемы неточности векторного поиска и шума при извлечении фактов, характерные для классического RAG. Он позволяет строить решения для профессиональных предметных областей, поддерживая сложные логические рассуждения и многошаговый поиск фактов.

Что можно реализовать

Создание систем фактологического Q&A для узкоспециализированных баз знаний
Решение задач логического вывода и многошагового поиска (multi-hop reasoning)
Интеграция неструктурированных данных, структурированной информации и экспертных правил в единый граф знаний
Построение сервисов на базе LLM с поддержкой протокола MCP для работы в агентных рабочих процессах

Ключевые возможности

Структура взаимной индексации знаний и текстовых блоков (Knowledge and Chunk Mutual Indexing)
Гибридный вывод, управляемый логическими формами (Logical form-guided hybrid reasoning)
Снижение шума при извлечении фактов за счет семантического выравнивания концепций
Поддержка schema-constrained construction для экспертных знаний
Интеграция с протоколом MCP и поддержка моделей типа KAG-Thinker

👤 Кому подойдёт: Разработчики AI-приложений, инженеры данных, работающие с графами знаний и LLM, специалисты по внедрению RAG-систем в профессиональных доменах

Релизы

v0.8.0major

🕐 15 мес назад · релиз на GitHub ↗

KAG 0.8: поддержка MCP, новые типы индексов, интеграция с KAG-Thinker и оптимизация архитектуры.

Added: Добавлена поддержка протокола MCP для интеграции с агентами и веб-источниками.
Added: Внедрена система настраиваемых индексов: Outline, Summary, AtomicQuery, Table и другие.
Added: Осуществлена адаптация фреймворка под модель KAG-Thinker для улучшения логики рассуждений.
Added: Разделены сущности базы знаний и приложений для повышения гибкости управления данными.
Added: Расширены методы интеграции: HttpAPI, MCP и встраивание интерфейсов в бизнес-приложения.