项目地址：https://github.com/sadofriod/graphrag-ts
相关阅读
这是一个使用 TypeScript/Bun 实现的 GraphRAG 引擎，面向 Markdown 语料构建知识图谱，并通过向量、关键词和图谱关系进行混合检索，最终生成带证据的回答。
相比 v0.1.5 ，这次更新主要集中在两件事上。
1. 支持增量构建
现在不需要每次修改少量文档后都重新构建整个知识库：
- 使用 SHA-256 判断文档是否发生变化
- 自动区分新增、修改和未变化文档
- 未变化文档直接跳过
- 修改文档时级联清理旧切片、向量、关系和声明
- 根据社区拓扑指纹判断社区是否变化
- 未变化的社区复用已有摘要和 embedding ，避免重复调用 LLM
- 支持按文档标题或父文档 ID 删除数据
新增的主要 API：
startIncrementalBuild(...)
buildIncrementalRAG(...)
deleteRAGDocument(...)
diffDocuments(...)
computeCommunityFingerprint(...)
示例：
const buildId = startIncrementalBuild(
[
{
title: 'doc1.md',
content: '# Updated document\nAlice and Bob are colleagues.',
},
{
title: 'doc2.md',
content: '# New document\nCharlie joined the team.',
},
],
registry,
'demo-namespace',
);
2. 支持自定义模型适配器
之前主要依赖 OpenAI 兼容接口，现在可以通过适配器接入任意 LangChain-compatible 模型。
例如：
registerChatAdapter('anthropic', ({ config }) => {
return new ChatAnthropic({
anthropicApiKey: config.apiKey,
modelName: config.model,
});
});
registerEmbeddingAdapter('ollama', ({ config }) => {
return new OllamaEmbeddings({
baseUrl: config.baseURL,
model: config.model,
});
});
目前适配器层支持：
- 自定义 Chat Model
- 自定义 Embedding Model
- Anthropic 、Ollama 、Google GenAI 等 LangChain provider
- 通过
RAG_SLICE_PROVIDER、RAG_JUDGE_PROVIDER、RAG_EMBED_PROVIDER 配置不同模型
其他更新
- 增加 LM Studio 本地模型 Demo
- 增加增量构建和社区指纹相关测试
- 修复社区摘要持久化时的边数量问题
- 增加 namespace 隔离保护
- 改进 LLM JSON 解析和类型检查
- 自动从 Git 提交生成 CHANGELOG 并完成版本发布
- 继续完善中文和英文文档
- 保持 PostgreSQL + Prisma + pgvector 的持久化方案
安装：
pnpm add @ashes_born/graph-rag-ts
项目仍然适合用于：
- Markdown 文档知识库
- 多租户或多语料库问答
- 需要跨文档关系分析的 RAG 应用
- 希望在 TypeScript/Bun 环境中使用 GraphRAG 的后端服务
当前版本：v0.1.8
欢迎试用、提 Issue ，也欢迎对增量构建、模型适配器和检索效果提出建议。
