默认配置模式（使用环境变量）

文本嵌入自定义

默认情况下，GraphRAG 索引器只会发出查询方法所需的嵌入。然而，模型为所有纯文本字段定义了嵌入，这些嵌入可以通过将 GRAPHRAG_EMBEDDING_TARGET 环境变量设置为 all 来生成。

如果嵌入目标是 all，并且您只想嵌入这些字段的一个子集，可以使用下面描述的 GRAPHRAG_EMBEDDING_SKIP 参数指定要跳过的嵌入。

嵌入字段

text_unit.text
document.raw_content
entity.name
entity.description
relationship.description
community.title
community.summary
community.full_content

输入数据

我们的管道可以从输入文件夹中摄取 .csv 或 .txt 数据。这些文件可以嵌套在子文件夹中。要配置输入数据的处理方式、映射的字段以及时间戳的解析方式，请查找以下以 GRAPHRAG_INPUT_ 开头的配置值。通常，基于 CSV 的数据提供了最大的自定义性。每个 CSV 至少应包含一个 text 字段（可以使用环境变量进行映射），但如果它们还包含 title、timestamp 和 source 字段，则会有所帮助。还可以包含其他字段，这些字段将作为 Document 表上的额外字段。

基础 LLM 设置

这些是配置 LLM 连接的主要设置。

参数	是否必需？	描述	类型	默认值
`GRAPHRAG_API_KEY`	对于 OpenAI 是必需的。对于 AOAI 可选	API 密钥。（注意：`OPENAI_API_KEY` 也用作回退）。如果在使用 AOAI 时未定义，将使用托管身份。	`str`	`None`
`GRAPHRAG_API_BASE`	对于 AOAI 是必需的	API 基础 URL	`str`	`None`
`GRAPHRAG_API_VERSION`	对于 AOAI 是必需的	AOAI API 版本。	`str`	`None`
`GRAPHRAG_API_ORGANIZATION`		AOAI 组织。	`str`	`None`
`GRAPHRAG_API_PROXY`		AOAI 代理。	`str`	`None`

文本生成设置

这些设置控制管道使用的文本生成模型。任何具有回退的设置将在可用时使用基础 LLM 设置。

参数	是否必需？	描述	类型	默认值
`GRAPHRAG_LLM_TYPE`	对于 AOAI 是必需的	LLM 操作类型。可以是 `openai_chat` 或 `azure_openai_chat`	`str`	`openai_chat`
`GRAPHRAG_LLM_DEPLOYMENT_NAME`	对于 AOAI 是必需的	AOAI 模型部署名称。	`str`	`None`
`GRAPHRAG_LLM_API_KEY`	是（使用回退）	API 密钥。如果在使用 AOAI 时未定义，将使用托管身份。	`str`	`None`
`GRAPHRAG_LLM_API_BASE`	对于 AOAI（使用回退）	API 基础 URL	`str`	`None`
`GRAPHRAG_LLM_API_VERSION`	对于 AOAI（使用回退）	AOAI API 版本。	`str`	`None`
`GRAPHRAG_LLM_API_ORGANIZATION`	对于 AOAI（使用回退）	AOAI 组织。	`str`	`None`
`GRAPHRAG_LLM_API_PROXY`		AOAI 代理。	`str`	`None`
`GRAPHRAG_LLM_MODEL`		语言模型。	`str`	`gpt-4-turbo-preview`
`GRAPHRAG_LLM_MAX_TOKENS`		最大令牌数。	`int`	`4000`
`GRAPHRAG_LLM_REQUEST_TIMEOUT`		等待聊天客户端响应的最大秒数。	`int`	`180`
`GRAPHRAG_LLM_MODEL_SUPPORTS_JSON`		指示给定模型是否支持JSON输出模式。`True` 表示启用。	`str`	`None`
`GRAPHRAG_LLM_THREAD_COUNT`		用于LLM并行化的线程数。	`int`	50
`GRAPHRAG_LLM_THREAD_STAGGER`		启动每个线程之间的等待时间（以秒为单位）。	`float`	0.3
`GRAPHRAG_LLM_CONCURRENT_REQUESTS`		嵌入客户端允许的并发请求数。	`int`	25
`GRAPHRAG_LLM_TOKENS_PER_MINUTE`		允许LLM客户端每分钟处理的令牌数。0 = 绕过	`int`	0
`GRAPHRAG_LLM_REQUESTS_PER_MINUTE`		允许LLM客户端每分钟处理的请求数。0 = 绕过	`int`	0
`GRAPHRAG_LLM_MAX_RETRIES`		请求失败时尝试的最大重试次数。	`int`	10
`GRAPHRAG_LLM_MAX_RETRY_WAIT`		重试之间的最大等待秒数。	`int`	10
`GRAPHRAG_LLM_SLEEP_ON_RATE_LIMIT_RECOMMENDATION`		是否在速率限制建议时休眠。（仅限Azure）	`bool`	`True`
`GRAPHRAG_LLM_TEMPERATURE`		用于生成的温度。	`float`	0
`GRAPHRAG_LLM_TOP_P`		用于采样的top_p值。	`float`	1
`GRAPHRAG_LLM_N`		生成的响应数量。	`int`	1

文本嵌入设置

这些设置控制管道使用的文本嵌入模型。任何具有回退的设置将使用基础LLM设置（如果可用）。

参数	是否必需？	描述	类型	默认值
`GRAPHRAG_EMBEDDING_TYPE`	对于AOAI	要使用的嵌入客户端。可以是`openai_embedding`或`azure_openai_embedding`	`str`	`openai_embedding`
`GRAPHRAG_EMBEDDING_DEPLOYMENT_NAME`	对于AOAI	AOAI部署名称。	`str`	`None`
`GRAPHRAG_EMBEDDING_API_KEY`	是（使用回退）	用于嵌入客户端的API密钥。如果使用AOAI时未定义，将使用托管身份。	`str`	`None`
`GRAPHRAG_EMBEDDING_API_BASE`	对于AOAI（使用回退）	API基础URL。	`str`	`None`
`GRAPHRAG_EMBEDDING_API_VERSION`	对于AOAI（使用回退）	用于嵌入客户端的AOAI API版本。	`str`	`None`
`GRAPHRAG_EMBEDDING_API_ORGANIZATION`	用于AOAI（使用回退）	用于嵌入客户端的AOAI组织。	`str`	`None`
`GRAPHRAG_EMBEDDING_API_PROXY`		用于嵌入客户端的AOAI代理。	`str`	`None`
`GRAPHRAG_EMBEDDING_MODEL`		用于嵌入客户端的模型。	`str`	`text-embedding-3-small`
`GRAPHRAG_EMBEDDING_BATCH_SIZE`		一次嵌入的文本数量。(Azure限制为16)	`int`	16
`GRAPHRAG_EMBEDDING_BATCH_MAX_TOKENS`		每批的最大令牌数(Azure限制为8191)	`int`	8191
`GRAPHRAG_EMBEDDING_TARGET`		要嵌入的目标字段。可以是`required`或`all`。	`str`	`required`
`GRAPHRAG_EMBEDDING_SKIP`		要跳过嵌入的字段列表（以逗号分隔）。（例如'relationship.description'）	`str`	`None`
`GRAPHRAG_EMBEDDING_THREAD_COUNT`		用于嵌入的并行线程数。	`int`
`GRAPHRAG_EMBEDDING_THREAD_STAGGER`		启动每个嵌入线程之间的等待时间（以秒为单位）。	`float`	50
`GRAPHRAG_EMBEDDING_CONCURRENT_REQUESTS`		嵌入客户端允许的并发请求数。	`int`	25
`GRAPHRAG_EMBEDDING_TOKENS_PER_MINUTE`		嵌入客户端每分钟允许的令牌数。0 = 绕过	`int`	0
`GRAPHRAG_EMBEDDING_REQUESTS_PER_MINUTE`		嵌入客户端每分钟允许的请求数。0 = 绕过	`int`	0
`GRAPHRAG_EMBEDDING_MAX_RETRIES`		请求失败时尝试的最大重试次数。	`int`	10
`GRAPHRAG_EMBEDDING_MAX_RETRY_WAIT`		重试之间的最大等待秒数。	`int`	10
`GRAPHRAG_EMBEDDING_SLEEP_ON_RATE_LIMIT_RECOMMENDATION`		是否在速率限制建议时休眠。（仅限Azure）	`bool`	`True`

输入设置

这些设置控制管道使用的数据输入。任何具有回退的设置将使用基础LLM设置（如果可用）。

纯文本输入数据 (`GRAPHRAG_INPUT_FILE_TYPE`=text)

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_INPUT_FILE_PATTERN`	读取输入目录中的输入文件时使用的文件模式正则表达式。	`str`	可选	`.*\.txt$`

CSV输入数据 (`GRAPHRAG_INPUT_FILE_TYPE`=csv)

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_INPUT_TYPE`	读取文件时使用的输入存储类型（`file` 或 `blob`）	`str`	可选	`file`
`GRAPHRAG_INPUT_FILE_PATTERN`	从输入目录读取输入文件时使用的文件模式正则表达式	`str`	可选	`.*\.txt$`
`GRAPHRAG_INPUT_SOURCE_COLUMN`	读取 CSV 输入文件时使用的 'source' 列	`str`	可选	`source`
`GRAPHRAG_INPUT_TIMESTAMP_COLUMN`	读取 CSV 输入文件时使用的 'timestamp' 列	`str`	可选	`None`
`GRAPHRAG_INPUT_TIMESTAMP_FORMAT`	解析时间戳列中的时间戳时使用的时间戳格式	`str`	可选	`None`
`GRAPHRAG_INPUT_TEXT_COLUMN`	读取 CSV 输入文件时使用的 'text' 列	`str`	可选	`text`
`GRAPHRAG_INPUT_DOCUMENT_ATTRIBUTE_COLUMNS`	要作为文档字段合并的 CSV 列列表，以逗号分隔	`str`	可选	`id`
`GRAPHRAG_INPUT_TITLE_COLUMN`	读取 CSV 输入文件时使用的 'title' 列	`str`	可选	`title`
`GRAPHRAG_INPUT_STORAGE_ACCOUNT_BLOB_URL`	在 `blob` 模式下使用托管身份时使用的 Azure 存储 blob 端点。格式为 `https://<storage_account_name>.blob.core.windows.net`	`str`	可选	`None`
`GRAPHRAG_INPUT_CONNECTION_STRING`	从 Azure Blob 存储读取 CSV 输入文件时使用的连接字符串	`str`	可选	`None`
`GRAPHRAG_INPUT_CONTAINER_NAME`	从 Azure Blob 存储读取 CSV 输入文件时使用的容器名称	`str`	可选	`None`
`GRAPHRAG_INPUT_BASE_DIR`	读取输入文件的基本目录	`str`	可选	`None`

数据映射设置

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_INPUT_FILE_TYPE`	输入数据的类型，`csv` 或 `text`	`str`	可选	`text`
`GRAPHRAG_INPUT_ENCODING`	读取 CSV/文本输入文件时应用的编码。	`str`	可选	`utf-8`

数据分块

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_CHUNK_SIZE`	文本分块分析窗口的块大小（以标记为单位）。	`str`	可选	1200
`GRAPHRAG_CHUNK_OVERLAP`	文本分块分析窗口的块重叠（以标记为单位）。	`str`	可选	100
`GRAPHRAG_CHUNK_BY_COLUMNS`	执行 TextUnit 分块时按其分组的文档属性列表，以逗号分隔。	`str`	可选	`id`
`GRAPHRAG_CHUNK_ENCODING_MODEL`	用于分块的编码模型。	`str`	可选	顶级编码模型。

提示覆盖

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_ENTITY_EXTRACTION_PROMPT_FILE`	实体提取提示模板文本文件的路径（相对于根目录）。	`str`	可选	`None`
`GRAPHRAG_ENTITY_EXTRACTION_MAX_GLEANINGS`	在循环中提取实体时调用的最大重试次数（收获）。	`int`	可选	1
`GRAPHRAG_ENTITY_EXTRACTION_ENTITY_TYPES`	要提取的实体类型的逗号分隔列表。	`str`	可选	`organization,person,event,geo`
`GRAPHRAG_ENTITY_EXTRACTION_ENCODING_MODEL`	用于实体提取的编码模型。	`str`	可选	顶级编码模型。
`GRAPHRAG_SUMMARIZE_DESCRIPTIONS_PROMPT_FILE`	描述摘要提示模板文本文件的路径（相对于根目录）。	`str`	可选	`None`
`GRAPHRAG_SUMMARIZE_DESCRIPTIONS_MAX_LENGTH`	每个描述摘要生成的最大令牌数。	`int`	可选	500
`GRAPHRAG_CLAIM_EXTRACTION_ENABLED`	此管道是否启用声明提取。	`bool`	可选	`False`
`GRAPHRAG_CLAIM_EXTRACTION_DESCRIPTION`	要使用的 claim_description 提示参数。	`string`	可选	"任何可能与威胁分析相关的声明或事实。"
`GRAPHRAG_CLAIM_EXTRACTION_PROMPT_FILE`	要使用的声明提取提示。	`string`	可选	`None`
`GRAPHRAG_CLAIM_EXTRACTION_MAX_GLEANINGS`	在循环中提取声明时调用的最大重试次数（收获）。	`int`	可选	1
`GRAPHRAG_CLAIM_EXTRACTION_ENCODING_MODEL`	用于声明提取的编码模型。	`str`	可选	顶级编码模型
`GRAPHRAG_COMMUNITY_REPORTS_PROMPT_FILE`	要使用的社区报告提取提示。	`string`	可选	`None`
`GRAPHRAG_COMMUNITY_REPORTS_MAX_LENGTH`	每个社区报告生成的最大令牌数。	`int`	可选	1500

存储

此部分控制用于发出输出表的管道的存储机制。

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_STORAGE_TYPE`	要使用的报告器类型。选项有 `file`、`memory` 或 `blob`	`str`	可选	`file`
`GRAPHRAG_STORAGE_STORAGE_ACCOUNT_BLOB_URL`	在 `blob` 模式下使用托管身份时要使用的 Azure 存储 blob 端点。格式为 `https://<storage_account_name>.blob.core.windows.net`	`str`	可选	None
`GRAPHRAG_STORAGE_CONNECTION_STRING`	在 `blob` 模式下使用的 Azure 存储连接字符串。	`str`	可选	None
`GRAPHRAG_STORAGE_CONTAINER_NAME`	在 `blob` 模式下使用的 Azure 存储容器名称。	`str`	可选	None
`GRAPHRAG_STORAGE_BASE_DIR`	数据输出输出的基础路径。	`str`	可选	None

缓存

本节控制管道使用的缓存机制。用于缓存 LLM 调用结果。

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_CACHE_TYPE`	要使用的缓存类型。选项有 `file`、`memory`、`none` 或 `blob`	`str`	可选	`file`
`GRAPHRAG_CACHE_STORAGE_ACCOUNT_BLOB_URL`	在 `blob` 模式下使用托管身份时使用的 Azure 存储 blob 端点。格式为 `https://<storage_account_name>.blob.core.windows.net`	`str`	可选	None
`GRAPHRAG_CACHE_CONNECTION_STRING`	在 `blob` 模式下使用的 Azure 存储连接字符串。	`str`	可选	None
`GRAPHRAG_CACHE_CONTAINER_NAME`	在 `blob` 模式下使用的 Azure 存储容器名称。	`str`	可选	None
`GRAPHRAG_CACHE_BASE_DIR`	缓存文件的基础路径。	`str`	可选	None

报告

本节控制管道使用的报告机制，用于常见事件和错误消息。默认情况下，报告会写入输出目录中的文件。不过，您也可以选择将报告写入控制台或 Azure Blob 存储容器。

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_REPORTING_TYPE`	要使用的报告器类型。选项有 `file`、`console` 或 `blob`	`str`	可选	`file`
`GRAPHRAG_REPORTING_STORAGE_ACCOUNT_BLOB_URL`	在 `blob` 模式下使用托管身份时使用的 Azure 存储 blob 端点。格式为 `https://<storage_account_name>.blob.core.windows.net`	`str`	可选	None
`GRAPHRAG_REPORTING_CONNECTION_STRING`	在 `blob` 模式下使用的 Azure 存储连接字符串。	`str`	可选	None
`GRAPHRAG_REPORTING_CONTAINER_NAME`	在 `blob` 模式下使用的 Azure 存储容器名称。	`str`	可选	None
`GRAPHRAG_REPORTING_BASE_DIR`	报告输出的基础路径。	`str`	可选	None

Node2Vec 参数

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_NODE2VEC_ENABLED`	是否启用Node2Vec	`bool`	可选	False
`GRAPHRAG_NODE2VEC_NUM_WALKS`	Node2Vec要执行的行走次数	`int`	可选	10
`GRAPHRAG_NODE2VEC_WALK_LENGTH`	Node2Vec的行走长度	`int`	可选	40
`GRAPHRAG_NODE2VEC_WINDOW_SIZE`	Node2Vec的窗口大小	`int`	可选	2
`GRAPHRAG_NODE2VEC_ITERATIONS`	运行node2vec的迭代次数	`int`	可选	3
`GRAPHRAG_NODE2VEC_RANDOM_SEED`	用于node2vec的随机种子	`int`	可选	597832

数据快照

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_SNAPSHOT_GRAPHML`	是否启用GraphML快照。	`bool`	可选	False
`GRAPHRAG_SNAPSHOT_RAW_ENTITIES`	是否启用原始实体快照。	`bool`	可选	False
`GRAPHRAG_SNAPSHOT_TOP_LEVEL_NODES`	是否启用顶级节点快照。	`bool`	可选	False

杂项设置

参数	描述	类型	必填或可选	默认值
`GRAPHRAG_ASYNC_MODE`	使用哪种异步模式。可以是`asyncio`或`threaded`。	`str`	可选	`asyncio`
`GRAPHRAG_ENCODING_MODEL`	用于tiktoken编码文本的文本编码模型。	`str`	可选	`cl100k_base`
`GRAPHRAG_MAX_CLUSTER_SIZE`	单个Leiden聚类中包含的最大实体数量。	`int`	可选	10
`GRAPHRAG_SKIP_WORKFLOWS`	要跳过的工作流名称的逗号分隔列表。	`str`	可选	`None`
`GRAPHRAG_UMAP_ENABLED`	是否启用UMAP布局	`bool`	可选	False