​
关于 Chat2Graph

Chat2Graph 是一个图原生的智能体系统（Graph Native Agentic System），通过利用图数据结构在关系建模、可解释性等符号主义的天然优势，对智能体的推理、规划、记忆、知识、工具协作等关键能力进行增强，同时借助智能体技术推进图数据库智能化，降低用图门槛，加速内容生成，实现与图对话。做到图计算技术与人工智能技术的深度融合。

​
获取 API Key

  1. 打开 SiliconFlow 官网 并注册账号（如果注册过，直接登录即可）。
  2. 完成注册后，打开 API密钥 ，创建新的 API Key，点击密钥进行复制，以备后续使用。

​
部署 Chat2Graph

​
下载 Chat2Graph

git clone https://github.com/TuGraph-family/chat2graph.git

​
准备执行环境

准备符合要求的 Python 和 NodeJS 版本。

您可以使用 conda 等工具来管理您的 Python 环境：

conda create -n chat2graph_env python=3.10
conda activate chat2graph_env

​
构建 Chat2Graph

一键构建 Chat2Graph：

cd chat2graph
./bin/build.sh

​
配置 SiliconFlow 模型

准备 .env 配置文件：

cp .env.template .env
vim .env

填写 SiliconFlow 模型配置：

# SiliconFlow 模型配置
LLM_NAME=deepseek-ai/DeepSeek-V3
LLM_ENDPOINT=https://api.siliconflow.cn/v1
LLM_APIKEY={your-siliconflow-api-key}

​
启动 Chat2Graph

一键启动 Chat2Graph：

./bin/start.sh

当看到如下日志时，表示 Chat2Graph 已成功启动：

Starting server...
Web resources location: /Users/florian/code/chat2graph/app/server/web
System database url: sqlite:////Users/florian/.chat2graph/system/chat2graph.db
Loading AgenticService from app/core/sdk/chat2graph.yml with encoding utf-8
Init application: Chat2Graph
Init the Leader agent
Init the Expert agents
  ____ _           _   ____   ____                 _     
 / ___| |__   __ _| |_|___ \ / ___|_ __ __ _ _ __ | |__  
| |   | '_ \ / _` | __| __) | |  _| '__/ _` | '_ \| '_ \ 
| |___| | | | (_| | |_ / __/| |_| | | | (_| | |_) | | | |
 \____|_| |_|\__,_|\__|_____|\____|_|  \__,_| .__/|_| |_|
                                            |_|          

 * Serving Flask app 'bootstrap'
 * Debug mode: off
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on all addresses (0.0.0.0)
 * Running on http://127.0.0.1:5010
 * Running on http://192.168.1.1:5010
Chat2Graph server started success !

​
使用 Chat2Graph

你可以在浏览器访问 http://localhost:5010/ 使用 Chat2Graph。

​
注册图数据库

提前注册图数据库实例，可以体验完整的 Chat2Graph 的「与图对话」功能。当前支持 Neo4j 和 TuGraph 图数据库。

启动 Neo4j 实例：

docker pull neo4j:latest
docker run -d -p 7474:7474 -p 7687:7687 --name neo4j-server --env NEO4J_AUTH=none \
  --env NEO4J_PLUGINS='["apoc", "graph-data-science"]' neo4j:latest

启动 TuGraph 实例：

docker pull tugraph/tugraph-runtime-centos7:4.5.1
docker run -d -p 7070:7070 -p 7687:7687 -p 9090:9090 --name tugraph-server \
  tugraph/tugraph-runtime-centos7:latest lgraph_server -d run --enable_plugin true

​
与图轻松对话

自动完成知识图谱的构建与分析任务：

支持图模型与图数据的实时渲染。

​
集成 Chat2Graph

Chat2Graph 提供了清晰简洁的 SDK API，让你轻松定制智能体系统。

配置 SiliconFlow 模型：

SystemEnv.LLM_NAME="deepseek-ai/DeepSeek-V3"
SystemEnv.LLM_ENDPOINT="https://api.siliconflow.cn/v1"
SystemEnv.LLM_APIKEY="{your-siliconflow-api-key}"

仿写 chat2graph.yml 文件，一键初始化智能体：

chat2graph = AgenticService.load("app/core/sdk/chat2graph.yml")

同步调用智能体：

answer = chat2graph.execute("What is TuGraph ?").get_payload()

异步调用智能体：

job = chat2graph.session().submit("What is TuGraph ?")
answer = job.wait().get_payload()