b71b704b50
<!-- .github/pull_request_template.md --> ## Description <!-- Provide a clear description of the changes in this PR --> ## DCO Affirmation I affirm that all code in every commit of this pull request conforms to the terms of the Topoteretes Developer Certificate of Origin. --------- Co-authored-by: Igor Ilic <igorilic03@gmail.com>
9.7 KiB
Cognee - это платформа для управления памятью ИИ, предназначенная для повышения точности и надежности ответов больших языковых моделей (LLM) и ИИ-агентов.
Демо · Узнать больше · Присоединиться к Discord
Создавай динамическую память для агентов, используя ECL (Extract -> Cognify -> Load) конвейер.
Узнайте больше о вариантах использования и бенчмарках
Функциональность
-
Интеграция и извлечение данных: Позволяет подключать и извлекать прошлые разговоры, документы, изображения и аудиозаписи, обеспечивая доступ к разнообразным источникам информации.
-
Снижение галлюцинаций и затрат: Уменьшает вероятность генерации недостоверных ответов, снижает затраты на разработку и эксплуатацию ИИ-приложений.
-
Загрузка данных с использованием Pydantic: Обеспечивает загрузку данных в графовые и векторные базы данных с использованием только Pydantic, упрощая процесс интеграции.
-
Трансформация и организация данных: Позволяет трансформировать и структурировать данные, собирая их из более чем 30 различных источников, включая PDF, таблицы и другие форматы.
-
Модульные ECL-пайплайны: Использует модульные пайплайны Extract, Cognify, Load (ECL) для обработки данных, что обеспечивает гибкость и масштабируемость системы.
-
Поддержка онтологий на основе RDF: Использует онтологии на основе RDF для более интеллектуального управления данными и улучшения семантического понимания.
-
Локальное развертывание и масштабируемость: Позволяет развернуть систему на собственных серверах, обеспечивая безопасность данных и соответствие требованиям конфиденциальности. Система масштабируется для обработки больших объемов данных.
Начало работы
Начните легко с помощью Google Colab блокнота или стартового репозитория
Помощь проекту
Ваш вклад является основой для превращения этого в настоящий проект с открытым исходным кодом. Любой вклад, который вы сделаете, будет очень приветствоваться. Смотрите CONTRIBUTING.md для получения дополнительной информации.
📦 Установка
Вы можете установить Cognee, используя pip, poetry, uv или любой другой менеджер пакетов Python.
С помощью pip
pip install cognee
💻 Базовое использование
Настройка
import os
os.environ["LLM_API_KEY"] = "ВАШ_OPENAI_API_KEY"
Вы также можете установить переменные, создав файл .env, используя наш шаблон. Для использования различных провайдеров LLM смотрите нашу документацию.
Пример использования
Этот скрипт выполнит стандартный конвейер:
import cognee
import asyncio
async def main():
# Добавляем текст в cognee
await cognee.add("Обработка естественного языка (NLP) - это междисциплинарная область компьютерных наук и информационного поиска.")
# Генерируем граф знаний
await cognee.cognify()
# Делаем поиск
results = await cognee.search("Расскажите мне о NLP")
# Отображаем результаты
for result in results:
print(result)
if __name__ == '__main__':
asyncio.run(main())
Пример вывода:
Обработка естественного языка (NLP) — это междисциплинарная область, которая объединяет компьютерные науки и информационный поиск. Она включает в себя технологии и методы обработки человеческого языка для создания интерфейсов и обработки данных.
Визуализация графа:
Открыть пример графа в браузере.
Больше примеров в документации.
Изучите нашу архитектуру
Демонстрации
Правила поведения
Мы стремимся сделать открытый исходный код приятным и уважительным опытом для нашего сообщества. Смотрите CODE_OF_CONDUCT для получения дополнительной информации.