
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
hugegraph-ai是一个将https://github.com/apache/hugegraph%E4%B8%8E%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%83%BD%E5%8A%9B%E9%9B%86%E6%88%90%E7%9A%84%E5%B7%A5%E5%85%B7%E5%8C%85%EF%BC%8C%E4%B8%BA%E5%BC%80%E5%8F%91%E8%80%85%E6%8F%90%E4%BE%9B%E5%85%A8%E9%9D%A2%E6%94%AF%E6%8C%81%EF%BC%8C%E7%94%A8%E4%BA%8E%E6%9E%84%E5%BB%BAAI%E9%A9%B1%E5%8A%A8%E7%9A%84%E5%9B%BE%E5%BA%94%E7%94%A8%E3%80%82%E5%AE%83%E6%A1%A5%E6%8E%A5%E5%9B%BE%E6%95%B0%E6%8D%AE%E5%BA%93%E4%B8%8E%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B(LLM)%EF%BC%8C%E5%AE%9E%E7%8E%B0%E5%9B%BE%E6%95%B0%E6%8D%AE%E4%B8%8EAI%E8%83%BD%E5%8A%9B%E7%9A%84%E6%97%A0%E7%BC%9D%E5%8D%8F%E5%90%8C%E3%80%82
选项1:Docker部署(推荐)
bash# 克隆仓库 git clone https://github.com/apache/incubator-hugegraph-ai.git cd incubator-hugegraph-ai # 设置环境变量 cp docker/env.template docker/.env # 编辑docker/.env文件,设置PROJECT_PATH为实际项目路径 # 启动服务 cd docker docker compose -f docker-compose-network.yml up -d # 访问服务: # - HugeGraph Server: http://localhost:8080 # - RAG服务: http://localhost:8001
选项2:源码安装
bash# 1. 启动HugeGraph Server docker run -itd --name=server -p 8080:8080 hugegraph/hugegraph # 2. 克隆并设置项目 git clone https://github.com/apache/incubator-hugegraph-ai.git cd incubator-hugegraph-ai # 3. 安装依赖(自动创建虚拟环境.venv) # 注意:若下载缓慢,可取消pyproject.toml中的镜像注释,或使用国内镜像 uv sync --extra llm # 安装LLM相关依赖 # 或安装所有可选依赖:uv sync --all-extras # 4. 激活虚拟环境 source .venv/bin/activate # 5. 启动demo cd hugegraph-llm python -m hugegraph_llm.demo.rag_demo.app # 访问 http://127.0.0.1:8001
图机器学习
bash# 安装机器学习依赖 uv sync --extra ml source .venv/bin/activate # 运行机器学习算法示例 cd hugegraph-ml python examples/your_ml_example.py
知识图谱构建(Web界面)
通过Gradio界面进行可视化知识图谱构建:
程序调用示例(RAG查询)
pythonfrom hugegraph_llm.flows.scheduler import SchedulerSingleton scheduler = SchedulerSingleton.get_instance() res = scheduler.schedule_flow( "rag_graph_only", query="介绍阿尔·帕西诺的相关信息。", graph_only_answer=True, vector_only_answer=False, raw_answer=False ) print(res.get("graph_only_answer"))
部署后自动生成配置文件:
hugegraph-llm/.envhugegraph-llm/src/hugegraph_llm/resources/demo/config_prompt.yaml语言支持:
.env文件中的LANGUAGE参数切换中英文提示词
LANGUAGE=EN:英文提示词(默认)LANGUAGE=CN:中文提示词大型语言模型与图应用集成模块:
图机器学习模块,实现20+图算法:
HugeGraph操作的Python客户端:
hugegraph-ai采用Apache 2.0许可证。
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务