6.4K star！轻松搞定专业领域大模型推理，这个知识增强框架绝了！

最新版本已支持：
✅ 领域知识注入（金融/医疗/法律等）
✅ 可视化图谱分析查询
✅ 混合推理引擎（逻辑+语义+数值）
✅ 多模态知识管理（文本/表格/图谱）

# 问题求解过程示例
question = "某新能源车企近三年研发投入是否超过行业平均水平？"
求解步骤：
1. 检索→获取企业研发数据
2. 计算→行业均值计算
3. 推理→趋势对比分析
4. 生成→自然语言结论

用户问：A公司通过多层控股的子公司是否存在同业竞争？
系统执行：
1. 抽取股权结构图谱
2. 分析业务范围重叠度
3. 参照监管规则判断
4. 生成风险评估报告

病历文本 → 信息抽取 → 症状图谱 → 诊断规则 → 推理引擎

传统RAG：准确率68%（存在条款误解）
KAG方案：准确率92%（逻辑关系精准把握）

# 1. 获取部署文件
curl -sSL https://raw.githubusercontent.com/... -o docker-compose.yml

# 2. 启动服务
docker compose -f docker-compose.yml up -d

# 3. 访问系统
浏览器打开 http://127.0.0.1:8887
（默认账号：openspg/openspg@kag）

from kag import KnowledgeBuilder

# 自定义医疗schema
medical_schema = {
    "疾病类型": ["症状", "治疗方案", "相关检查"],
    "药品": ["适应症", "禁忌症", "相互作用"]
}

builder = KnowledgeBuilder(schema=medical_schema)
builder.add_document("medical_report.docx")
kg = builder.build()