Graphiti v0.10.0 发布:增强剧集搜索与多语言支持
Graphiti 是一个知识图谱构建与分析工具,它能够将复杂的非结构化数据转化为结构化的知识图谱。通过自然语言处理和图数据库技术,Graphiti 可以帮助开发者从文本中提取实体、关系和事件,并以图结构的形式存储和查询这些信息。
本次发布的 v0.10.0 版本带来了多项重要更新,主要集中在搜索功能增强和多语言支持方面。下面我们将详细介绍这些新特性。
剧集搜索功能增强
新版本在 graphiti.search() 端点中增加了对剧集(episode)结果的支持。这一改进使得开发者能够更全面地检索知识图谱中的各类信息。
在知识图谱中,剧集通常代表一系列相关事件的集合。例如,在新闻分析场景中,一个新闻事件可能包含多个相关的报道或发展节点。通过新增的剧集搜索功能,用户可以更方便地获取这些关联信息。
同时,新增的 EpisodicNode.get_by_entity_node_uuid() 方法允许开发者通过实体节点的 UUID 获取与之相关的所有剧集节点。这一功能极大地简化了关联数据查询的过程,使得知识图谱的遍历更加高效。
多语言支持改进
v0.10.0 版本显著增强了多语言处理能力。系统现在能够根据文本实际使用的语言来提取信息,而不是强制转换为单一语言。这一改进对于处理多语言混合内容特别有价值。
在多语言支持方面,Graphiti 现在能够:
- 自动识别文本的语言
- 保留原始语言的信息
- 针对不同语言采用适当的处理策略
这种改进使得 Graphiti 在国际化应用场景中更加实用,特别是在处理多语言社交媒体内容或跨国企业文档时。
模型默认配置更新
本次更新还将默认模型调整为 gpt-4.1-mini。这一调整基于以下考虑:
- 性能与成本的平衡
- 大多数常见任务的适用性
- 更快的响应时间
开发者仍然可以根据具体需求选择其他模型,但这一默认设置将为大多数用户提供更好的开箱即用体验。
总结
Graphiti v0.10.0 通过增强搜索功能和改进多语言支持,进一步巩固了其作为知识图谱构建工具的地位。这些更新不仅提高了系统的实用性,也为开发者处理复杂、多语言的数据场景提供了更多可能性。
对于正在构建知识驱动型应用的开发者来说,这些新特性将显著提升开发效率和系统能力。特别是多语言支持的改进,使得 Graphiti 在国际化项目中更具竞争力。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00