2026/9/10 18:44:24
FEATURED · 精选文章 
GraphRAG 查询笔记本示例数据集 Operation Dulce 如何下载【免费下载链接】graphragA modular graph-based Retrieval-Augmented Generation (RAG) system项目地址: https://gitcode.com/GitHub_Trending/gr/graphrag如果你准备运行 GraphRAG 的查询示例笔记本Local Search、Global Search、DRIFT Search需要一份名为 Operation Dulce 的测试数据集。这个数据集本身就存放在仓库里直接按仓库路径取文件即可无需访问额外的下载站点。文章按数据集在哪 → 下载 → 解压验证 → 与查询笔记本的关系给出完整操作路径。数据集在仓库中的位置笔记本总览页 列出了 API 笔记本与三个查询引擎笔记本Global Search、Local Search、DRIFT Search并明确说明这些笔记本的测试数据集位置The test dataset for these notebooks can be found in dataset.zip{:download}.换算成仓库根目录的相对路径数据集文件就是docs/data/operation_dulce/dataset.zip —— 打包的索引输出约 1.6 MBdocs/data/operation_dulce/Operation Dulce v2 1 1.md —— 原始小说文本docs/data/operation_dulce/ABOUT.md —— 说明文档ABOUT.md 对这份数据的定义是Operation Dulce 是一部 AI 生成的科幻小说AI-generated science fiction novella收录在仓库中用于集成测试integration testing。也就是说它不是真实业务语料只是用来验证流程的测试语料。获取数据集方式一克隆仓库后直接取文件。git clone https://gitcode.com/GitHub_Trending/gr/graphrag.git完成后数据集位于graphrag/docs/data/operation_dulce/dataset.zip。如果不想克隆整个仓库也可以在渲染后的文档站上点击 笔记本总览页 里dataset.zip的下载链接文档中使用{:download}属性渲染后即为下载入口。方式二如果你的目标只是直接跑查询笔记本可以不用 dataset.zip——仓库已内置一套可直接读取的预构建数据见下一节。解压与核对文件内容dataset.zip里装的是索引流程各阶段的 parquet 输出文件。解压并核对unzip -l docs/data/operation_dulce/dataset.zip unzip docs/data/operation_dulce/dataset.zip -d ./operation_dulce当前仓库中该压缩包实际包含以下 16 个 parquet 文件以unzip -l的列出结果为准create_base_documents.parquet create_base_entity_graph.parquet create_base_extracted_entities.parquet create_base_text_units.parquet create_final_communities.parquet create_final_community_reports.parquet create_final_covariates.parquet create_final_documents.parquet create_final_entities.parquet create_final_nodes.parquet create_final_relationships.parquet create_final_text_units.parquet create_summarized_entities.parquet join_text_units_to_covariate_ids.parquet join_text_units_to_entity_ids.parquet join_text_units_to_relationship_ids.parquet如果列出的文件名与上面清单一致说明文件完整。各类输出表entities、relationships、communities、covariates 等的含义可参考索引输出文档。与查询笔记本的实际关系各查询笔记本通过INPUT_DIR ./inputs/operation dulce加载数据例如 local_search.ipynb 与 global_search.ipynb。这个路径相对于笔记本所在目录对应仓库中的docs/examples_notebooks/inputs/operation dulce/其中已经包含索引结果表documents.parquet、text_units.parquet、entities.parquet、relationships.parquet、communities.parquet、community_reports.parquet、covariates.parquet嵌入向量embeddings.community_full_content.parquet三个 LanceDB 向量库目录lancedb/community_full_content.lance、lancedb/entity_description.lance、lancedb/text_unit_text.lance因此两条路径的分工是路径用途docs/examples_notebooks/inputs/operation dulce/查询笔记本直接读取的预构建数据含向量库跑笔记本时开箱即用docs/data/operation_dulce/dataset.zip文档标注的测试数据集打包副本内容为索引各阶段的 parquet 输出如果你要运行笔记本而不是仅下载文件还需要按快速开始文档准备 Python 3.10–3.12 环境并安装graphrag文档同时提醒 GraphRAG 可能消耗较多 LLM 资源建议先用这类教程数据集熟悉系统再上自己的语料。下载后的下一步数据集就绪后按 笔记本总览页 选择要运行的笔记本如local_search.ipynb、global_search.ipynb、drift_search.ipynb在其默认数据路径下运行即可对 Operation Dulce 语料执行对应查询各查询方法的原理与配置参数分别见 Local Search、Global Search 和 DRIFT Search 文档。【免费下载链接】graphragA modular graph-based Retrieval-Augmented Generation (RAG) system项目地址: https://gitcode.com/GitHub_Trending/gr/graphrag创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
GraphRAG 查询笔记本示例数据集 Operation Dulce 如何下载？
GraphRAG 查询笔记本示例数据集 Operation Dulce 如何下载【免费下载链接】graphragA modular graph-based Retrieval-Augmented Generation (RAG) system项目地址: https://gitcode.com/GitHub_Trending/gr/graphrag如果你准备运行 GraphRAG 的查询示例笔记本Local Search、Global Search、DRIFT Search需要一份名为 Operation Dulce 的测试数据集。这个数据集本身就存放在仓库里直接按仓库路径取文件即可无需访问额外的下载站点。文章按数据集在哪 → 下载 → 解压验证 → 与查询笔记本的关系给出完整操作路径。数据集在仓库中的位置笔记本总览页 列出了 API 笔记本与三个查询引擎笔记本Global Search、Local Search、DRIFT Search并明确说明这些笔记本的测试数据集位置The test dataset for these notebooks can be found in dataset.zip{:download}.换算成仓库根目录的相对路径数据集文件就是docs/data/operation_dulce/dataset.zip —— 打包的索引输出约 1.6 MBdocs/data/operation_dulce/Operation Dulce v2 1 1.md —— 原始小说文本docs/data/operation_dulce/ABOUT.md —— 说明文档ABOUT.md 对这份数据的定义是Operation Dulce 是一部 AI 生成的科幻小说AI-generated science fiction novella收录在仓库中用于集成测试integration testing。也就是说它不是真实业务语料只是用来验证流程的测试语料。获取数据集方式一克隆仓库后直接取文件。git clone https://gitcode.com/GitHub_Trending/gr/graphrag.git完成后数据集位于graphrag/docs/data/operation_dulce/dataset.zip。如果不想克隆整个仓库也可以在渲染后的文档站上点击 笔记本总览页 里dataset.zip的下载链接文档中使用{:download}属性渲染后即为下载入口。方式二如果你的目标只是直接跑查询笔记本可以不用 dataset.zip——仓库已内置一套可直接读取的预构建数据见下一节。解压与核对文件内容dataset.zip里装的是索引流程各阶段的 parquet 输出文件。解压并核对unzip -l docs/data/operation_dulce/dataset.zip unzip docs/data/operation_dulce/dataset.zip -d ./operation_dulce当前仓库中该压缩包实际包含以下 16 个 parquet 文件以unzip -l的列出结果为准create_base_documents.parquet create_base_entity_graph.parquet create_base_extracted_entities.parquet create_base_text_units.parquet create_final_communities.parquet create_final_community_reports.parquet create_final_covariates.parquet create_final_documents.parquet create_final_entities.parquet create_final_nodes.parquet create_final_relationships.parquet create_final_text_units.parquet create_summarized_entities.parquet join_text_units_to_covariate_ids.parquet join_text_units_to_entity_ids.parquet join_text_units_to_relationship_ids.parquet如果列出的文件名与上面清单一致说明文件完整。各类输出表entities、relationships、communities、covariates 等的含义可参考索引输出文档。与查询笔记本的实际关系各查询笔记本通过INPUT_DIR ./inputs/operation dulce加载数据例如 local_search.ipynb 与 global_search.ipynb。这个路径相对于笔记本所在目录对应仓库中的docs/examples_notebooks/inputs/operation dulce/其中已经包含索引结果表documents.parquet、text_units.parquet、entities.parquet、relationships.parquet、communities.parquet、community_reports.parquet、covariates.parquet嵌入向量embeddings.community_full_content.parquet三个 LanceDB 向量库目录lancedb/community_full_content.lance、lancedb/entity_description.lance、lancedb/text_unit_text.lance因此两条路径的分工是路径用途docs/examples_notebooks/inputs/operation dulce/查询笔记本直接读取的预构建数据含向量库跑笔记本时开箱即用docs/data/operation_dulce/dataset.zip文档标注的测试数据集打包副本内容为索引各阶段的 parquet 输出如果你要运行笔记本而不是仅下载文件还需要按快速开始文档准备 Python 3.10–3.12 环境并安装graphrag文档同时提醒 GraphRAG 可能消耗较多 LLM 资源建议先用这类教程数据集熟悉系统再上自己的语料。下载后的下一步数据集就绪后按 笔记本总览页 选择要运行的笔记本如local_search.ipynb、global_search.ipynb、drift_search.ipynb在其默认数据路径下运行即可对 Operation Dulce 语料执行对应查询各查询方法的原理与配置参数分别见 Local Search、Global Search 和 DRIFT Search 文档。【免费下载链接】graphragA modular graph-based Retrieval-Augmented Generation (RAG) system项目地址: https://gitcode.com/GitHub_Trending/gr/graphrag创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
