前言
本文很高兴跟大家宣布CAMEL和Mistral合作在CAMEL框架里引入的新功能：GraphRAG。这项合作旨在通过结合知识图谱和向量检索，提升检索精度和RAG（Retrieval-Augmented Generation）的性能。
技术背景
在信息检索和生成领域，RAG是一种新兴的方法。
它结合了检索系统和生成模型，可以提供更精准和相关的答案。然而，传统的RAG方法在处理复杂查询时还存在一些问题，比如模型幻觉问题。为了减缓这些问题，Mistral和CAMEL共同开发了GraphRAG，通过将知识图谱和向量检索结合，显著提高了检索的准确性和性能。
技术栈细节
-CAMEL作为一个多智能体系统框架，提供了知识图谱代理和聊天代理等功能，简化了工作流程。
-MistralAI提供了Mistral Large 2大语言模型和Mistral Embed嵌入模型。
-Neo4j提供了知识图谱数据库。
-Qdrant提供了向量数据库，存储文本嵌入并支持快速向量检索。
-Unstructured.io则负责将非结构化数据转换为结构化格式，为RAG系统做好准备。
GraphRAG的工作流程
1. 数据准备：通过Unstructured.io将原始数据转换为适合处理的格式。
2. 知识提取和存储：使用Mistral Large 2从数据源中提取有用的信息，构建知识图谱，并存储在Neo4j数据库中。
3. 向量生成和存储：使用Mistral Embed将文本转换为向量表示，并存储在Qdrant向量数据库中。
4. 混合检索：结合向量检索和知识图谱检索，通过CAMEL框架的智能体系统处理用户查询，提供更加准确和相关的答案。
5.回答用户问题：使用Agent生成回复。
想亲自体验GraphRAG的开发者朋友们可点击Cookbook查看完整代码。
References
Twitter：
-https://x.com/CamelAIOrg
-https://x.com/MistralAI
GitHub：
-https://github.com/camel-ai/camel
-https://github.com/mistralai
Cookbook:
-https://tinyurl.com/dwye5b4d
The end
未来，我们将会l在CAMEL框架里推出更多的新功能，大家敬请期待！
让我们一起探索AI agent的无限可能性吧！
CAMEL微信群
加入CAMEL微信群，请添加CAMEL官方微信号CamelAIOrg，会有工作人员通过您的好友申请并邀请您加入我们的微信群～
Join CAMEL Community
www.camel-ai.org
github.com/camel-ai/camel
https://discord.com/invite/CNcNpquyDc
