GraphAgent

GraphAgent是一個自動化代理管線，旨在處理明確的圖形依賴和隱式的圖形增強語義相互依賴，以適應實際資料場景中的預測任務（例如節點分類）和生成任務（例如文字生成）。它由三個關鍵組件構成：建立知識圖譜以反映複雜語義依賴的圖形生成代理；解釋不同用戶查詢並製定相應任務的計劃代理；以及高效執行計劃任務並自動化工具匹配和調用的執行代理。 GraphAgent透過整合語言模型和圖形語言模型來揭示複雜的關聯資訊和資料語義依賴。

需求人群：

" GraphAgent的目標受眾是資料科學家、機器學習工程師和研究人員，他們需要處理複雜的圖形資料和語義依賴，以進行預測和生成任務。該產品透過自動化和整合先進的語言模型，幫助他們提高效率和準確性。

使用場景範例：

使用GraphAgent進行節點分類，以識別社交網路中的關鍵影響者。

利用GraphAgent產生技術文檔，透過理解文檔間的複雜關係來建立概要。

在推薦系統中應用GraphAgent ，透過分析使用者行為和產品間的關係來提升推薦準確性。

產品特色：

建構知識圖譜： GraphAgent的圖形生成代理程式能夠建構知識圖譜，反映複雜的語意依賴。

任務規劃：任務規劃代理可以解釋多種使用者查詢，並制定對應的任務。

任務執行：任務執行代理能夠有效率地執行計劃任務，並自動化工具匹配和呼叫。

語言模型整合： GraphAgent整合了語言模型和圖形語言模型，以揭示複雜的關聯資訊和資料語義依賴。

多工處理：適用於預測任務和生成任務，如節點分類和文字生成。

自動化工具匹配和調用：響應用戶查詢時，自動匹配和調用合適的工具。

使用教學：

1. 克隆程式碼庫：使用git clone指令克隆GraphAgent的程式碼庫。

2. 創建環境：使用conda創建一個新的Python環境，並啟動它。

3. 安裝依賴：透過pip安裝GraphAgent推理所需的依賴。

4. 取得預訓練模型：從Hugging Face下載預訓練模型，並取代或自動下載。

5. 設定規劃器和API令牌：在run.sh檔案中設定預設規劃器和API金鑰。

6. 執行推理：透過執行bash腳本啟動GraphAgent ，並輸入使用者指令或檔案路徑進行推理。

7. 檢視結果：根據輸入的指令或檔案路徑，觀察GraphAgent如何處理任務並輸出結果。