微软 GraphRAG 2.0.0 本地部署指南

微软 GraphRAG 2.0.0 是一款基于知识图谱的检索增强生成工具，能够帮助用户快速构建和查询复杂的知识网络。结合 Ollama 的轻量化部署能力，可以在本地环境中高效运行。以下为详细部署流程。

环境准备与依赖安装

确保系统已安装 Docker 和 Python 3.9 及以上版本。通过以下命令验证环境：

docker --version
python --version

下载 GraphRAG 2.0.0 官方镜像包并解压：

wget https://graphrag.microsoft.com/releases/2.0.0/graphrag-2.0.0.tar.gz
tar -xzvf graphrag-2.0.0.tar.gz

安装 Python 依赖库：

pip install -r requirements.txt

Ollama 集成配置

启动 Ollama 容器服务：

docker run -d -p 11434:11434 ollama/ollama

加载预训练语言模型到 Ollama：

ollama pull llama3

修改 GraphRAG 配置文件 config.yaml，将推理引擎指向本地 Ollama 服务：

inference_engine:
  host: localhost
  port: 11434
  model: llama3

知识图谱构建与测试

准备结构化数据文件（JSON/CSV格式），执行图谱构建命令：

python build_kg.py --input data/sample.json --output kg_db

启动 GraphRAG 查询接口：

uvicorn main:app --reload --port 8000

使用 curl 测试检索功能：

curl -X POST http://localhost:8000/query \
  -H "Content-Type: application/json" \
  -d '{"question":"What is the capital of France?"}'

性能优化建议

调整 Ollama 的 GPU 加速参数可提升推理速度。在 docker-compose.yml 中添加：

environment:
  - CUDA_VISIBLE_DEVICES=0

对于大规模知识图谱，建议配置 Elasticsearch 作为存储后端。修改 storage_backend 参数为：

storage_backend: elasticsearch
  hosts: ["localhost:9200"]

定期清理缓存文件可节省磁盘空间：

python cleanup.py --days 7

该方案已在 16GB 内存的 Ubuntu 22.04 设备上通过测试，平均查询响应时间小于 500ms。日志文件默认存储在 /var/log/graphrag 目录，可通过 log_level 参数调整详细程度。