使用场景

政务问答：利用KAG构建的政务知识图谱，实现对政策、法规等专业问题的准确回答。

健康问答：通过KAG整合医疗知识，提供专业的健康咨询服务。

风险挖掘：在金融领域，使用KAG定义的专家规则来识别和分析潜在的风险应用和开发者。

产品特色

LLM友好的知识表示：基于DIKW层次结构，IT升级SPG知识表示能力，兼容无模式约束的信息提取和有模式约束的专业知识构建。

知识图谱与原文片段的相互索引：支持图结构与原文块之间的相互索引表示，有助于基于图结构的倒排索引构建，促进逻辑形式的统一表示和推理。

逻辑形式引导的混合推理引擎：包括规划、推理和检索三种类型的操作符，将自然语言问题转化为结合语言和符号的问题解决过程。

领域知识场景应用：通过定义专家规则和业务数据，KAG可以在风险挖掘等场景中实现有效的推理过程。

与OpenSPG概念建模结合：降低自然语言转换图查询的难度，实现领域应用的自然语言问答。

可扩展性：KAG允许开发者扩展kag-builder和kag-solver的实现，以满足特定的需求。

支持自定义模型和服务：KAG支持与兼容OpenAI服务的MaaS API对接，也支持与本地模型的对接。

使用教程

1. 安装环境和依赖：根据系统版本要求，安装Docker、Docker Compose等软件。

2. 下载并启动服务：使用curl命令下载docker-compose.yml文件，并使用Docker Compose启动服务。

3. 访问产品：在浏览器中输入默认网址http://127.0.0.1:8887，查看产品指南。

4. 安装KAG：对于开发者，根据指南创建conda环境，克隆代码，并安装KAG。

5. 使用工具包：参考快速入门指南，使用内置组件复现性能结果，并将其应用于新的业务场景。

6. 扩展KAG能力：如果内置组件不满足需求，开发者可以根据KAG-Builder Extension和KAG-Solver Extension进行扩展。

7. 适应自定义模型：KAG支持与OpenAI服务兼容的MaaS API对接，也支持与本地模型的对接。