项目地址：https://github.com/sadofriod/graphrag-ts
相关阅读
这是一个使用 TypeScript/Bun 实现的 GraphRAG 引擎，面向 Markdown 语料构建知识图谱，并通过向量、关键词和图谱关系进行混合检索，最终生成带证据的回答。

相比 v0.1.5 ，这次更新主要集中在两件事上。

1. 支持增量构建

现在不需要每次修改少量文档后都重新构建整个知识库：

- 使用 SHA-256 判断文档是否发生变化

- 自动区分新增、修改和未变化文档

- 未变化文档直接跳过

- 修改文档时级联清理旧切片、向量、关系和声明

- 根据社区拓扑指纹判断社区是否变化

- 未变化的社区复用已有摘要和 embedding ，避免重复调用 LLM

- 支持按文档标题或父文档 ID 删除数据

新增的主要 API：```
startIncrementalBuild(...)
buildIncrementalRAG(...)
deleteRAGDocument(...)
diffDocuments(...)
computeCommunityFingerprint(...)
``示例：``
const buildId = startIncrementalBuild(
[
{
title: 'doc1.md',
content: '# Updated document\nAlice and Bob are colleagues.',
},
{
title: 'doc2.md',
content: '# New document\nCharlie joined the team.',
},
],
registry,
'demo-namespace',
);
```2. 支持自定义模型适配器

之前主要依赖 OpenAI 兼容接口，现在可以通过适配器接入任意 LangChain-compatible 模型。

例如：```
registerChatAdapter('anthropic', ({ config }) => {
return new ChatAnthropic({
anthropicApiKey: config.apiKey,
modelName: config.model,
});
});

registerEmbeddingAdapter('ollama', ({ config }) => {
return new OllamaEmbeddings({
baseUrl: config.baseURL,
model: config.model,
});
});
```目前适配器层支持：

- 自定义 Chat Model

- 自定义 Embedding Model

- Anthropic 、Ollama 、Google GenAI 等 LangChain provider

- 通过 RAG_SLICE_PROVIDER、RAG_JUDGE_PROVIDER、RAG_EMBED_PROVIDER 配置不同模型

其他更新

- 增加 LM Studio 本地模型 Demo

- 增加增量构建和社区指纹相关测试

- 修复社区摘要持久化时的边数量问题

- 增加 namespace 隔离保护

- 改进 LLM JSON 解析和类型检查

- 自动从 Git 提交生成 CHANGELOG 并完成版本发布

- 继续完善中文和英文文档

- 保持 PostgreSQL + Prisma + pgvector 的持久化方案

安装：```
pnpm add @ashes_born/graph-rag-ts
```项目仍然适合用于：

- Markdown 文档知识库

- 多租户或多语料库问答

- 需要跨文档关系分析的 RAG 应用

- 希望在 TypeScript/Bun 环境中使用 GraphRAG 的后端服务

当前版本：v0.1.8

欢迎试用、提 Issue ，也欢迎对增量构建、模型适配器和检索效果提出建议。

主楼