kotaemon 如何安装 nano-graphrag 并启用 NanoGraphRAG 索引【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon如果你的目标是在 Kotaemon 中启用 README.md 推荐的 NanoGraphRAG 索引实现README 指出官方 MS GraphRAG 索引只支持 OpenAI 或 Ollama API因此建议大多数用户使用 NanoGraphRAG需要完成三件事在 Kotaemon 环境里安装nano-graphrag包、用USE_NANO_GRAPHRAGtrue环境变量启动应用、在 Resources 面板设置默认的 LLM 与 Embedding 模型。前提是Kotaemon 已按 README 安装完成Python 3.10且你使用的是非 Docker 或 Docker 任一部署方式。前提Kotaemon 已安装并可启动以下安装步骤摘自 README.md 的 Installation 一节本文只保留与后续操作相关的部分系统要求Python 3.10如需处理.pdf、.html、.mhtml、.xlsx以外的文件类型还需按 README 指引安装 Unstructured。环境准备两种方式任选其一# 方式 1uvREADME 推荐 uv sync --python 3.10 source .venv/bin/activate # 方式 2conda conda create -n kotaemon python3.10 conda activate kotaemon pip install -e libs/kotaemon[all] pip install -e libs/ktem启动应用python app.py应用会自动在浏览器中打开默认用户名和密码均为admin。按 README 第 6 步检查Resources页LLMs and Embeddings中的api_key是否已从.env正确填充未填充时可直接在该页面设置。第 1 步安装 nano-graphrag在激活的 Kotaemon 环境中执行pip install nano-graphragREADME 明确提示该安装可能引入版本冲突README 指向仓库的 issue #440。文档给出的快速修复命令是pip uninstall hnswlib chroma-hnswlib pip install chroma-hnswlib副作用说明这条命令会卸载hnswlib和chroma-hnswlib两个包然后重新安装chroma-hnswlib。只有当安装nano-graphrag后确实出现依赖冲突、影响到 Kotaemon 运行时才需要执行。第 2 步用环境变量启用 NanoGraphRAG非 Docker 方式下带环境变量启动USE_NANO_GRAPHRAGtrue python app.pyUSE_NANO_GRAPHRAG的默认值是False见 flowsettings.py 中config(USE_NANO_GRAPHRAG, defaultFalse, castbool)所以必须显式设置。设置后flowsettings.py 会把ktem.index.file.graph.NanoGraphRAGIndex追加进GRAPHRAG_INDEX_TYPES应用随之注册一个新的索引类型NanoGraphRAG Collection其支持的文件类型为.png, .jpeg, .jpg, .tiff, .tif, .pdf, .xls, .xlsx, .doc, .docx, .pptx, .csv, .html, .mhtml, .txt, .md, .zip同一段GRAPHRAG_INDICES配置。索引的输入/输出管线由 nano_pipelines.py 中的NanoGraphRAGIndexingPipeline与NanoGraphRAGRetrieverPipeline承担索引类本身见 nano_graph_index.py。Docker 方式可选分支README 的示例用-e传递环境变量如-e GRADIO_SERVER_NAME0.0.0.0按同一模式在 README 给出的docker run命令中追加-e USE_NANO_GRAPHRAGtrue即可。第 3 步设置默认 LLM 与 Embedding 模型README 的要求是Set your default LLM Embedding models in Resources setting and it will be recognized automatically from NanoGraphRAG.具体操作路径来自 docs/usage.md进入Resources页选择LLMs子页再到Add子页填写模型名称、选择供应商例如ChatOpenAI、填写规格并可Optional勾选设为默认点击Add然后在Embedding Models子页重复上述步骤添加一个 Embedding 模型确认两个模型都已设为默认。代码层面nano_pipelines.py 的get_default_models_wrapper()在索引和检索两个阶段都取llms.get_default()与embeddings.get_default()因此只要 Resources 里设好了默认模型NanoGraphRAG 就会直接使用它们不需要为 NanoGraphRAG 单独再配置 API key 或 endpoint这一点与 MS GraphRAG 需要设置GRAPHRAG_API_KEY不同。验证索引已启用且可用1. 启动阶段的依赖检查。nano_pipelines.py 在import nano_graphrag失败时会打印Nano-GraphRAG dependencies not installed. Try pip install nano-graphrag to install. Nano-GraphRAG retriever pipeline will not work properly.如果启动日志中没有这条提示说明依赖已就位出现该提示则回到第 1 步检查安装。2. 索引进度输出。对文档执行 GraphRAG 索引时debug 通道会依次输出文档中的原始字符串其中数字随实际文件数量变化[GraphRAG] Creating/Updating index... This can take a long time. [GraphRAG] Creating index: 0 / 总数 documents. [GraphRAG] Indexed 已完成 / 总数 documents. [GraphRAG] Indexing finished.若目标目录下已存在图文件措辞变为Updating index/Updated ... documents./Update finished.表示进入增量更新。3. 图文件的落盘位置。索引数据保存在文件存储目录下的nano_graphrag子目录中完整路径为{KH_FILESTORAGE_PATH}/nano_graphrag/{graph_id}/input/KH_FILESTORAGE_PATH定义在 flowsettings.py。按 README应用数据默认全部存放在./ktem_app_data目录。该目录下的graph_chunk_entity_relation.graphml是代码判断图是否已存在的依据可用来核对索引是否真正生成。4. 检索行为。检索器在应用 Settings 页暴露一个 Search type 下拉框默认值local可选local/global界面说明为 Whether to use local or global search in the graph.。local模式下检索结果会附带知识图谱可视化代码注释明确 only local mode support graph visualizationglobal模式直接返回查询上下文。可选项与边界索引选项nano_pipelines.py 的get_user_settings会在 Settings 页暴露索引批大小默认 4界面说明 reduce if you have rate limit issues以及 nano-graphrag 内置 prompt 的覆盖项可按需调整。适用范围README 中 Official MS GraphRAG indexing only works with OpenAI or Ollama API 的限制针对的是 MS GraphRAG 实现NanoGraphRAG 使用的是 Resources 中你设定的默认模型。版本冲突如第 1 步所述仅在实际出现依赖冲突时执行 README 给出的hnswlib/chroma-hnswlib修复命令。启用之后按 docs/usage.md 的常规流程即可使用该索引在File Index页拖放文件并点击Upload and Index然后在Chat页的会话设置面板中选择文件Disabled / Search All / Select开始对话。【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
kotaemon 如何安装 nano-graphrag 并启用 NanoGraphRAG 索引？
kotaemon 如何安装 nano-graphrag 并启用 NanoGraphRAG 索引【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon如果你的目标是在 Kotaemon 中启用 README.md 推荐的 NanoGraphRAG 索引实现README 指出官方 MS GraphRAG 索引只支持 OpenAI 或 Ollama API因此建议大多数用户使用 NanoGraphRAG需要完成三件事在 Kotaemon 环境里安装nano-graphrag包、用USE_NANO_GRAPHRAGtrue环境变量启动应用、在 Resources 面板设置默认的 LLM 与 Embedding 模型。前提是Kotaemon 已按 README 安装完成Python 3.10且你使用的是非 Docker 或 Docker 任一部署方式。前提Kotaemon 已安装并可启动以下安装步骤摘自 README.md 的 Installation 一节本文只保留与后续操作相关的部分系统要求Python 3.10如需处理.pdf、.html、.mhtml、.xlsx以外的文件类型还需按 README 指引安装 Unstructured。环境准备两种方式任选其一# 方式 1uvREADME 推荐 uv sync --python 3.10 source .venv/bin/activate # 方式 2conda conda create -n kotaemon python3.10 conda activate kotaemon pip install -e libs/kotaemon[all] pip install -e libs/ktem启动应用python app.py应用会自动在浏览器中打开默认用户名和密码均为admin。按 README 第 6 步检查Resources页LLMs and Embeddings中的api_key是否已从.env正确填充未填充时可直接在该页面设置。第 1 步安装 nano-graphrag在激活的 Kotaemon 环境中执行pip install nano-graphragREADME 明确提示该安装可能引入版本冲突README 指向仓库的 issue #440。文档给出的快速修复命令是pip uninstall hnswlib chroma-hnswlib pip install chroma-hnswlib副作用说明这条命令会卸载hnswlib和chroma-hnswlib两个包然后重新安装chroma-hnswlib。只有当安装nano-graphrag后确实出现依赖冲突、影响到 Kotaemon 运行时才需要执行。第 2 步用环境变量启用 NanoGraphRAG非 Docker 方式下带环境变量启动USE_NANO_GRAPHRAGtrue python app.pyUSE_NANO_GRAPHRAG的默认值是False见 flowsettings.py 中config(USE_NANO_GRAPHRAG, defaultFalse, castbool)所以必须显式设置。设置后flowsettings.py 会把ktem.index.file.graph.NanoGraphRAGIndex追加进GRAPHRAG_INDEX_TYPES应用随之注册一个新的索引类型NanoGraphRAG Collection其支持的文件类型为.png, .jpeg, .jpg, .tiff, .tif, .pdf, .xls, .xlsx, .doc, .docx, .pptx, .csv, .html, .mhtml, .txt, .md, .zip同一段GRAPHRAG_INDICES配置。索引的输入/输出管线由 nano_pipelines.py 中的NanoGraphRAGIndexingPipeline与NanoGraphRAGRetrieverPipeline承担索引类本身见 nano_graph_index.py。Docker 方式可选分支README 的示例用-e传递环境变量如-e GRADIO_SERVER_NAME0.0.0.0按同一模式在 README 给出的docker run命令中追加-e USE_NANO_GRAPHRAGtrue即可。第 3 步设置默认 LLM 与 Embedding 模型README 的要求是Set your default LLM Embedding models in Resources setting and it will be recognized automatically from NanoGraphRAG.具体操作路径来自 docs/usage.md进入Resources页选择LLMs子页再到Add子页填写模型名称、选择供应商例如ChatOpenAI、填写规格并可Optional勾选设为默认点击Add然后在Embedding Models子页重复上述步骤添加一个 Embedding 模型确认两个模型都已设为默认。代码层面nano_pipelines.py 的get_default_models_wrapper()在索引和检索两个阶段都取llms.get_default()与embeddings.get_default()因此只要 Resources 里设好了默认模型NanoGraphRAG 就会直接使用它们不需要为 NanoGraphRAG 单独再配置 API key 或 endpoint这一点与 MS GraphRAG 需要设置GRAPHRAG_API_KEY不同。验证索引已启用且可用1. 启动阶段的依赖检查。nano_pipelines.py 在import nano_graphrag失败时会打印Nano-GraphRAG dependencies not installed. Try pip install nano-graphrag to install. Nano-GraphRAG retriever pipeline will not work properly.如果启动日志中没有这条提示说明依赖已就位出现该提示则回到第 1 步检查安装。2. 索引进度输出。对文档执行 GraphRAG 索引时debug 通道会依次输出文档中的原始字符串其中数字随实际文件数量变化[GraphRAG] Creating/Updating index... This can take a long time. [GraphRAG] Creating index: 0 / 总数 documents. [GraphRAG] Indexed 已完成 / 总数 documents. [GraphRAG] Indexing finished.若目标目录下已存在图文件措辞变为Updating index/Updated ... documents./Update finished.表示进入增量更新。3. 图文件的落盘位置。索引数据保存在文件存储目录下的nano_graphrag子目录中完整路径为{KH_FILESTORAGE_PATH}/nano_graphrag/{graph_id}/input/KH_FILESTORAGE_PATH定义在 flowsettings.py。按 README应用数据默认全部存放在./ktem_app_data目录。该目录下的graph_chunk_entity_relation.graphml是代码判断图是否已存在的依据可用来核对索引是否真正生成。4. 检索行为。检索器在应用 Settings 页暴露一个 Search type 下拉框默认值local可选local/global界面说明为 Whether to use local or global search in the graph.。local模式下检索结果会附带知识图谱可视化代码注释明确 only local mode support graph visualizationglobal模式直接返回查询上下文。可选项与边界索引选项nano_pipelines.py 的get_user_settings会在 Settings 页暴露索引批大小默认 4界面说明 reduce if you have rate limit issues以及 nano-graphrag 内置 prompt 的覆盖项可按需调整。适用范围README 中 Official MS GraphRAG indexing only works with OpenAI or Ollama API 的限制针对的是 MS GraphRAG 实现NanoGraphRAG 使用的是 Resources 中你设定的默认模型。版本冲突如第 1 步所述仅在实际出现依赖冲突时执行 README 给出的hnswlib/chroma-hnswlib修复命令。启用之后按 docs/usage.md 的常规流程即可使用该索引在File Index页拖放文件并点击Upload and Index然后在Chat页的会话设置面板中选择文件Disabled / Search All / Select开始对话。【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
