如何用 GraphRAG 的 prompt-tune 命令生成领域适配的索引提示词？
【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
GraphRAG 的索引流水线默认使用一组通用提示词来构建知识图谱。如果你的输入数据集中在某个领域（比如环境新闻、太空科学、微生物学），prompt-tune命令可以读取你的实际输入数据，通过一系列 LLM 调用生成适配该领域的提示词，文档建议在执行 Index Run 之前运行这一步，以获得更好的索引结果。本文以命令行方式完整走一遍：初始化工作区、准备输入、运行prompt-tune、核对生成的提示词文件，并把settings.yaml指到新的提示词上。
前置条件（来自文档）：
- Python 3.10–3.12；
- 已安装
graphrag（可从 PyPI 安装）； - 已用
graphrag init初始化过工作区，且.env中的 API Key 已配置； input/目录中有待索引的数据文件。
初始化工作区并准备输入
prompt-tune依赖graphrag init生成的配置文件，先在你的项目目录下执行：
python -m pip install graphrag graphrag init执行过程中按提示选择默认的 chat 与 embedding 模型。init命令会创建以下文件：
settings.yaml— 流水线配置；.env— 环境变量文件，包含GRAPHRAG_API_KEY=<API_KEY>，把<API_KEY>替换为你自己的 OpenAI 或 Azure API key（prompt-tune 会发起 LLM 调用，Key 必须有效）；prompts/— 存放 GraphRAG 默认提示词的目录。
然后把你的数据文件放进input/目录。prompt-tune会读取这个目录下的输入，支持的格式包括.csv、.txt、.json、.jsonl、.parquet以及 MarkItDown 支持的文件。文档也提醒：GraphRAG 可能消耗大量 LLM 资源，建议先用小的教程数据集熟悉流程，并用较快、较便宜的模型做实验。
运行 prompt-tune
命令的完整形式（来自 Auto Prompt Tuning 文档）：
graphrag prompt-tune [--root ROOT] [--domain DOMAIN] [--selection-method METHOD] [--limit LIMIT] [--language LANGUAGE] \ [--max-tokens MAX_TOKENS] [--chunk-size CHUNK_SIZE] [--n-subset-max N_SUBSET_MAX] [--k K] \ [--min-examples-required MIN_EXAMPLES_REQUIRED] [--discover-entity-types] [--output OUTPUT]各选项的含义与默认值：
| 选项 | 说明 | 默认值 |
|---|---|---|
--root | 包含配置文件（settings.yaml）的项目目录 | 当前目录 |
--domain | 输入数据的领域，如 'space science'；留空时从输入数据自动推断 | 空 |
--selection-method | 文档选择方法：all、random、auto、top | random |
--limit | 使用 random 或 top 选择时加载的 text units 数量 | 15 |
--language | 处理使用的语言；与输入语言不同时 LLM 会翻译 | 空（自动检测） |
--max-tokens | 提示词生成的最大 token 数 | 2000 |
--chunk-size | 从输入文档生成 text units 使用的 token 块大小 | 200 |
--n-subset-max | auto 选择方法中要嵌入的文本块数量 | 300 |
--k | auto 选择方法中选取的文档数量 | 15 |
--min-examples-required | 实体抽取提示词所需的最少示例数 | 2 |
--discover-entity-types | 允许 LLM 自动发现并抽取实体类型；数据覆盖主题很多或高度随机时建议使用 | 不启用 |
--output | 保存生成提示词的目录 | prompts |
文档给出的两个示例：
python -m graphrag prompt-tune --root /path/to/project --domain "environmental news" \ --selection-method random --limit 10 --language English --max-tokens 2048 --chunk-size 256 --min-examples-required 3 \ --no-discover-entity-types --output /path/to/output文档标注的最小配置运行方式（suggested）：
python -m graphrag prompt-tune --root /path/to/project --no-discover-entity-types示例中的/path/to/project、/path/to/output是占位符，替换为你实际的项目目录和输出目录；如果已经在项目目录下运行，--root可省略（默认当前目录），--output省略时默认写入prompts目录。
内部流程：命令先加载输入数据，按chunk-size切成 text units，再用所选方法抽取样本，最后通过 LLM 调用与模板替换生成最终提示词。文档建议直接使用脚本默认值，按需再调整。
选择文档采样方法
--selection-method决定从 text units 中取什么样本来做提示词生成：
random：随机选取，默认且文档推荐；top：取前 n 个 text units（配合--limit）；all：使用全部 text units，文档明确说只适合小数据集，通常不推荐；auto：把 text units 嵌入低维空间后选取距质心最近的 k 个，适合大数据集，用于选取有代表性的样本（配合--n-subset-max和--k）。
验证生成的提示词
运行结束后，检查输出目录（默认prompts/）中是否写入了三个提示词文件：
extract_graph.txt— 实体/关系抽取提示词；summarize_descriptions.txt— 实体/关系描述汇总提示词；community_report_graph.txt— 社区报告提示词。
文件名依据 CLI 实现，该实现会把三个生成结果写入输出目录，并在日志中输出Writing prompts to ...与Prompts written to ...两行记录，可据此确认文件写入位置。
更新配置以使用新提示词
文档的 Modify Config 一节要求运行后修改settings.yaml中以下变量，让 index run 使用新提示词：
extract_graph: prompt: "prompts/extract_graph.txt" summarize_descriptions: prompt: "prompts/summarize_descriptions.txt" community_reports: prompt: "prompts/community_report.txt"文档同时提醒：务必把路径更新为生成提示词的实际位置，上面示例使用默认prompts路径。这里有一处需要留意的差异：文档示例中写的是prompts/community_report.txt，而命令实际写入的文件名为community_report_graph.txt，且init生成的默认配置中community_reports使用的是graph_prompt: "prompts/community_report_graph.txt"。修改前请先查看输出目录里的真实文件名，再按实际名称填写，不要照抄可能与代码不一致的路径。
另外，如果--output保持默认的prompts，生成的三个文件名与init生成的默认配置所引用的路径一致，配置可能无需改动即可指向新提示词。
下一步
提示词就位后，就可以启动索引流水线：
graphrag index关于settings.yaml各字段的更多配置项，见 配置文档；手动编辑提示词的进阶用法（各提示词支持的 token 替换位）见 Manual Prompt Tuning。
【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
