使用场景

使用GraphAgent进行节点分类，以识别社交网络中的关键影响者。

利用GraphAgent生成技术文档，通过理解文档间的复杂关系来创建概要。

在推荐系统中应用GraphAgent，通过分析用户行为和产品间的关系来提升推荐准确性。

产品特色

构建知识图谱：GraphAgent的图形生成代理能够构建知识图谱，反映复杂的语义依赖。

任务规划：任务规划代理可以解释多种用户查询，并制定相应的任务。

任务执行：任务执行代理能够高效执行计划任务，并自动化工具匹配和调用。

语言模型集成：GraphAgent集成了语言模型和图形语言模型，以揭示复杂的关系信息和数据语义依赖。

多任务处理：适用于预测任务和生成任务，如节点分类和文本生成。

自动化工具匹配和调用：响应用户查询时，自动匹配和调用合适的工具。

使用教程

1. 克隆代码库：使用git clone命令克隆GraphAgent的代码库。

2. 创建环境：使用conda创建一个新的Python环境，并激活它。

3. 安装依赖：通过pip安装GraphAgent推理所需的依赖。

4. 获取预训练模型：从Hugging Face下载预训练模型，并替换或自动下载。

5. 设置规划器和API令牌：在run.sh文件中设置默认规划器和API密钥。

6. 运行推理：通过运行bash脚本启动GraphAgent，并输入用户指令或文件路径进行推理。

7. 查看结果：根据输入的指令或文件路径，观察GraphAgent如何处理任务并输出结果。