Yuxi-Know

Yuxi-Know – 基于大模型 RAG 知识库的 AI 知识图谱问答平台

Yuxi-Know（语析）是一款智能问答平台，基于大模型RAG知识库和知识图谱技术构建，旨在为用户提供高效的知识检索和问答服务。它支持多种文档格式（如PDF、TXT、MD、Docx），能够将文件内容转换为向量，便于快速检索和管理。Yuxi-Know还集成了基于Neo4j的知识图谱问答能力，有效处理复杂的知识关系查询，并支持多模型适配，包括OpenAI、国内主流大模型及本地部署的vllm、ollama等。此外，平台还具备智能体拓展功能，允许开发者编写自定义智能体代码，增强系统的灵活性和功能性。

Yuxi-Know是什么

Yuxi-Know（语析）是一个先进的智能问答平台，利用大模型RAG知识库与知识图谱技术，为用户提供便捷的知识检索与问答服务。它支持多种文档格式的上传与管理，能够将文本内容转化为向量，以便于高效的检索。Yuxi-Know的知识图谱能力使得复杂的知识关系查询变得简单易行，用户还可以通过上传jsonl格式的知识图谱文件，进一步扩展其知识库。同时，Yuxi-Know支持多种模型平台，便于用户根据需求进行选择，提升其智能问答体验。

Yuxi-Know的主要功能

多模型适配：兼容OpenAI、国内主流大模型及本地部署的vllm和ollama，灵活应对不同需求。
多格式知识库管理：支持PDF、TXT、MD、Docx等多种文档格式的上传与转换。
知识图谱集成：基于Neo4j的知识图谱问答能力，方便用户进行复杂的知识关系查询。
智能体扩展：允许用户编写自定义智能体代码，拓展系统功能，满足特定需求。
推理模型支持：集成Deepseek-R1等推理模型，提升问答的智能化程度。
网页内容检索：支持从网页中获取信息并进行展示，扩大知识覆盖面。
可视化配置：提供友好的可视化配置界面，便于用户管理和优化系统设置。

Yuxi-Know的技术原理

RAG架构：通过向量模型将知识库文本转化为向量，存储于向量数据库中，精准检索与用户问题相关的文档片段，并结合大语言模型生成答案。
知识图谱技术：Neo4j作为知识图谱的存储和查询引擎，以节点和关系的形式呈现知识，支持用户进行复杂查询。
多模型适配：系统通过配置文件（例如models.yaml）支持多种大模型平台的API调用，用户可灵活选择所需模型。
向量与重排序模型：将文本转换为向量并支持多种向量模型，同时通过重排序模型优化检索结果，提高问答效率。
前后端技术栈：前端采用VueJS构建用户友好的界面，后端基于FastAPI实现高效服务，数据库则使用Milvus-Standalone作为向量数据库，Neo4j作为知识图谱数据库。
Docker容器化部署：支持Docker进行容器化部署，便于快速搭建与管理开发及生产环境。