KAG开源项目 – 增强LLM在专业领域的逻辑推理和问答能力
KAG（Knowledge-Augmented Generation）是一个基于OpenSPG引擎和大型语言模型（LLM）的逻辑推理和问答框架，旨在为专业领域知识库构建逻辑推理和事实性问答解决方案。它通过结合知识图谱（KG）和向量检索，克服了传统RAG向量相似度计算的模糊性和GraphRAG中OpenIE引入的噪声问题。KAG框架分为三个模块：KAG-Build、KAG-Solver和KAG-Model，分别负责构建离线索引、解决复杂问题和优化模型能力。它支持逻辑推理、多跳事实问答等功能，显著优于当前的SOTA方法。
