之前写过一篇使用deepseek和智谱AI实现《红楼梦》中人物关系智能问答的随笔
但deepseek提供的免费tokens只有500万个，GraphRAG构建图谱的索引和问答过程，对token的消耗是巨量的
因此亟需找到一种本地化部署的方案，不用依赖在线大模型的api形式。
看到国外博客上有人公布了GraphRAG+Ollama的本地化部署方案，按照博客内容进行了复现，这里做一个详细记录。
本地化部署方案的优点：
- 本地大模型构建图谱和问答，可以利用Ollama随时拉取最新大模型，并进行切换；
- 无需消耗token，极大降低了成本；
- 启动简单，可以实现快速部署和实验。
本地部署步骤：
- 在本地新建conda环境，可以确保所有新建的依赖环境是独立的
conda create -n graphrag-ollama-local python=3.10
conda activate graphrag-ollama-local
- 安装Ollama，支持pip install形式安装
也可以访问官网查看更多安装细节https://ollama.com/
pip install ollama
- 使用Ollama拉取大模型，实现GraphRAG的索引和向量化流程
ollama pull mistral #llm
ollama pull nomic-embed-text #embedding
- 从github拉取GraphRAG+Ollama项目
git clone https://github.com/TheAiSingularity/graphrag-local-ollama.git
- 进去上述项目中
cd graphrag-local-ollma/
- 安装GraphRAG包
pip install -e .
- 类似GraphRAG方案中，需要新建input地址来存放外部文档
mkdir -p ./ragtest/input
- 在GraphRAG-local-ollama项目中，提供了部分样例文档，这部分英文文档可以进行初始化测试（跑成功）
cp input/* ./ragtest/input
- 初始化ragtest，生成settings.yaml文件
python -m graphrag.index --init --root ./ragtest
- 将本项目中的settings.yaml文件直接复制到安装好的graphrag包中，项目样例配置文件，已经将llm和embedding对应的大模型，分别配置为mistral和nomic-embed-text
mv settings.yaml ./ragtest
- 配置完成后，可以开始GraphRAG的索引流程
python -m graphrag.index --root ./ragtest
- 上述索引过程大概耗时30分钟，索引构建完成，就可以看到样例文档的图谱文件，此时可以进行文档的智能问答
python -m graphrag.query --root ./ragtest --method global "What is machine learning?"
- 除了智能问答以为，我们还想看看样例文档的图谱构建结果如何，也就是图谱长什么样子，可以借助如下命令进行
修改配置文件settings.yaml中的参数
snapshots:
graphml: true
- 此时构建索引过程中，样例文档的图谱文件会自动生成一份graphml文件，可以通过python中的graphml包对这个文件机型读取
graphml文件的保存路径为output/20240708-161630/artifacts/summarized_graph.graphml
可以使用项目中visualize-graphml.py文件对graphml进行可视化，可以看到样例文档的图谱形状，包括各个实体及关系。
python visualize-graphml.py
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
1万+
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
