GraphRAG与普通RAG比较，效果，速度，费用

[@techdiylife]

GraphRAG共学任务及分享：
techdiylife.github.io/blog/blog.html?category1=c01&blogid=0061

[@yujeong8373]

Gemini API會降低一點費用，也可以得到還不錯的內容回答

[@PulipuliChen]

好期待怎麼改進

[@Yu-qh8fx]

我很好奇生产的索引是什么样子的。可以用来生产知识图谱，自己看而不是给AI吗？

[@techdiylife]

是可以查看的，下次录个视频介绍一下。

[@xichon147]

請問下 是否可以提供您使用的本地LLM的硬件設備規格呢? 感謝

[@lensimonchang]

請教是否可以利用Graph的關聯結構，在需要推理來連結上下文的表現上會比較好？

[@rogerroan7583]

又貴又慢,贏那一點點,cp值不高,如果要做貫穿全文的回答,在處理文本後再用summary chain做一份摘要,就具有貫穿全文的能力與回答細節的能力,相較下較便宜

[@techdiylife]

KG并不新，不过GraphRAG是一种新的实现方法。

[@planplay5921]

是尽在第一次创建和索引的时候只需要9美元多，还是以后每一次问题之后的答案索引都需要大概这么多费用？

[@user-gk6uh8di6u]

他後面有說，問了兩個問題，總共花了1.72美，平均一個問題0.86$

[@donzhu4996]

真贵

[@yiqiujia4587]

费钱啊，换成国产deepseek-chat模型最后跑不过，因为json格式不闭合，造成执行失败。

[@techdiylife]

是不是因为max-token影响的？也可能是生成中断了。目前这个程序还是有很多地方需要优化的。

[@user-xf3ty7cx9b]

用本地模型跑一个试试

[@techdiylife]

在试呢，回头会分享。

[@user-qe4xu7ql3c]

@@techdiylife 本地报错 nomic-embed-text 快出第二集

[@choychii]

Anythinllm 跟這graphrag 是不是差不多？

[@techdiylife]

简单看了一下anytingllm。应该是不一样的。GraphRAG算是一种新的RAG处理方法。