如何在10分钟内用EdgeQuake搭建第一个GraphRAG知识图谱Docker快速上手完整教程【免费下载链接】edgequakeEdegQuake High-performance GraphRAG inspired from LightRag written in Rust; Transform documents into intelligent knowledge graphs for superior retrieval and generation项目地址: https://gitcode.com/gh_mirrors/ed/edgequakeEdgeQuake是一个用 Rust 编写的高性能GraphRAG图谱增强检索生成框架它把文档自动转化为智能知识图谱再用向量 图结构双路检索让 AI 回答更准、更快。本教程带你用Docker在10 分钟内从零搭建完整的 EdgeQuake 知识图谱系统——无需 Rust 工具链、无需 Node.js、无需任何本地编译一条命令即可拉起全套服务。学完本文你将获得✅ 一个运行中的 GraphRAG 全栈PostgreSQL Rust API Web UI✅ 成功上传的第一份文档并自动生成实体与关系图谱✅ 用自然语言查询知识图谱的完整体验1️⃣ 准备工作Docker 环境检查约 1 分钟在开始之前确认你的机器满足以下要求要求最低配置检查命令Docker24且处于运行状态docker --version内存4GB推荐 8GB—磁盘10GB 可用空间df -h空闲端口3000Web UI、8080API、5432数据库— EdgeQuake 默认使用运行在宿主机上的Ollama作为本地 LLM 提供者也可以切换为 OpenAI 等云端模型。如果你想体验 AI 实体抽取建议提前安装 [Ollama] 并ollama pull一个对话模型。上面这张图展示了 EdgeQuake 的架构分层Rust 后端包含 API 网关、流水线管理、实体抽取、查询引擎等模块底层数据统一落在一个 PostgreSQL 中同时承载 pgvector 向量索引与 Apache AGE 图数据库。2️⃣ 克隆仓库并启动 Docker 全栈约 3 分钟第一步克隆代码git clone https://gitcode.com/gh_mirrors/ed/edgequake.git cd edgequake第二步一条命令启动全栈docker compose -f docker-compose.quickstart.yml up -d这条命令会从官方仓库拉取 4 个预构建镜像API、前端、PostgreSQL、迁移器自动完成数据库初始化与 Schema 迁移无需任何构建步骤。Compose 文件位于 docker-compose.quickstart.yml。启动完成后你会得到 3 个可访问的服务服务地址用途Web UIhttp://localhost:3000上传文档、提问、查看知识图谱REST APIhttp://localhost:8080程序化调用Swaggerhttp://localhost:8080/swagger-ui交互式 API 文档健康检查http://localhost:8080/health确认服务状态⏱️ 首次拉取镜像约需 1–3 分钟取决于网络之后启动只需约 30 秒。3️⃣ 验证部署10 秒确认系统就绪约 1 分钟在终端执行curl -s http://localhost:8080/health返回包含status:healthy的 JSON说明后端 API 已就绪。接着在浏览器打开http://localhost:3000你会看到 EdgeQuake 仪表盘——左侧是导航栏Dashboard / Knowledge Graph / Documents / Query 等主区域展示文档数、实体数、关系数等核心指标右下角显示 API 连接状态看到API Status: Connected和Storage: Connected两个绿点就代表你的 GraphRAG 系统已完全就绪。 想深入了解每个端口和镜像参考 DOCKER_QUICK_START.md 与 docs/operations/deployment.md。4️⃣ 上传第一份文档让文档变成知识图谱约 2 分钟进入Documents页面把一份 PDF / TXT / Markdown 文件拖拽进上传区域或直接点击上传点击文档后状态会从Processing变为Completed。此时后台流水线正在静默工作文档 → 智能切块(Chunking) → LLM 实体/关系抽取 → 向量化(Embedding) → 写入知识图谱⚠️ 文档处理是异步的小文档约 1–2 分钟大型 PDF 更久。上传完成 ≠ 立即可检索请等待状态变为Completed后再提问。处理完成后Dashboard 上的Entities实体数与Relationships关系数就开始跳动起来了——恭喜你的第一份知识图谱已经生成5️⃣ 用自然语言查询知识图谱6 种查询模式约 2 分钟进入Query页面直接输入问题比如这篇文档中谁发现了什么元素。EdgeQuake 内置6 种查询模式适应不同问题类型模式适合场景延迟参考Naive纯关键词查找~100–300msLocal聚焦某个实体的关系~200–500msGlobal主题性、宏观概括问题~300–800msHybrid默认均衡综合兼顾细节与全局~400–1000msMix向量与图检索加权融合可配置Bypass跳过 RAG直接问 LLM取决于模型对于不确定选哪种的问题直接用默认的Hybrid模式即可——它会同时遍历向量空间与图结构把两者的优势结合起来。答案不仅包含自然语言回复还附带来源引用用到的实体与文本块方便你验证答案出处。为什么选 GraphRAG 而不是普通 RAG传统 RAG 只靠向量相似度检索擅长关键词匹配但面对多跳推理、关系类问题就会断片。EdgeQuake 在文档入库时就用 LLM 抽取实体和关系构建图谱查询时向量检索 图遍历双路协同。实测性能对比查询延迟从 ~1000ms 降到200ms 以内快 5 倍单文档内存占用从 ~8MB 降到 2MB——这正是 Rust 带来的红利。6️⃣ 可视化你的第一张知识图谱约 1 分钟点击左侧导航栏的Knowledge Graph用鼠标拖动、缩放探索你的图谱每个节点是一个实体人物、组织、概念、技术……每条连线是一条带关键词标签的关系。可以按实体类型筛选、点击节点查看详情到这里你已经完整走通了文档 → 知识图谱 → 智能问答的全流程。7️⃣ 常见问题排查清单遇到卡壳先对照这张表自查① 提示 Port already in use端口被占用lsof -i :3000 # 查看占用端口的进程然后停掉它 lsof -i :8080② 上传文档后一直 Processing / 抽取失败多半是 LLM 没连上。默认使用宿主机的 Ollama容器通过host.docker.internal:11434访问ollama list # 确认模型已拉取若使用 OpenAI启动时注入配置即可EDGEQUAKE_LLM_PROVIDERopenai OPENAI_API_KEYsk-... \ docker compose -f docker-compose.quickstart.yml up -d③ 服务起不来 / 想看日志docker compose -f docker-compose.quickstart.yml logs -f api④ 常用管理命令速查docker compose -f docker-compose.quickstart.yml up -d # 启动 docker compose -f docker-compose.quickstart.yml ps # 查看状态 docker compose -f docker-compose.quickstart.yml down # 停止数据保留在卷中 数据持久化在edgequake-pg-data数据卷中down不会丢图谱想彻底重置请加-v。 小结你的 10 分钟回顾步骤耗时产出检查 Docker 环境1 min就绪的运行时克隆 docker compose up -d3 min完整 GraphRAG 全栈健康检查 打开 Web UI1 min可访问的界面上传文档、等待抽取2 min第一批实体与关系查询 图谱可视化2 min自然语言问答下一步建议深入理解流水线原理docs/tutorials/document-ingestion.md学习如何选择查询模式docs/deep-dives/query-modes.md配置 LLM 提供商与生产级认证docs/operations/configuration.md用 Python / TypeScript 等 SDK 把 EdgeQuake 接入自己的应用sdks/从文档到智能知识图谱只需一条 Docker 命令。现在去上传你手头最重要那份 PDF问问它一些向量 RAG 答不上来的关系类问题吧【免费下载链接】edgequakeEdegQuake High-performance GraphRAG inspired from LightRag written in Rust; Transform documents into intelligent knowledge graphs for superior retrieval and generation项目地址: https://gitcode.com/gh_mirrors/ed/edgequake创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考