摘要

本周对HippoRAG 2系统进行核心功能测试，通过构建小型结构化文档库（如人物职业、童话事件、地理关系），验证其索引构建、动态增删、多轮检索问答及评估流程的完整性。这一阶段工作为后续完整复现提供了关键基准：既确认了系统基础能力（如66.67%的答案精确匹配率、动态索引稳定性），又暴露了潜在问题（如模型名称有效性、字符串匹配敏感性），为后续大规模实验的模型选型、数据预处理和评估标准制定提供了可复用的测试框架与调试经验。

Abstract

This week, we conducted core functionality tests on the HippoRAG 2 system by building a small structured document library (e.g., character professions, fairy-tale events, geographic relationships) to verify its indexing, dynamic updates, multi-round retrieval & QA, and evaluation processes.This phase establishes a critical baseline for future full-scale replication: it confirms the system’s core capabilities (e.g., 66.67% exact answer matching, stable dynamic indexing) while revealing potential issues (e.g., model name validity, string-matching sensitivity). These findings provide a reusable testing framework and debugging insights for future large-scale experiments, guiding model selection, data preprocessing, and evaluation criteria.

安装依赖

conda create -n hipporag python=3.10
conda activate hipporag
pip install hipporag

注意：一定要安装对应版本Pyhton

试运行

我们需要运行tests_openai.py测试一下是否可以正常运行。

tests_openai.py是HippoRAG的核心功能测试脚本，覆盖了索引构建、检索、问答生成、动态更新和评估全流程。

HippoRAG 初始化

hipporag = HippoRAG(save_dir='outputs/openai_test',       # 存储索引和模型的目录llm_model_name='gpt-4o-mini',         # OpenAI模型embedding_model_name='text-embedding-3-small'  # 文本嵌入模型
)

作者给我们提供的嵌入模型有text-embedding-3-small、NV-Embed、GritLM和Contriever。text-embedding-3-small是OpenAI提供的一种嵌入模型，使用Deepseek API后无法调用text-embedding-3-small，所以我们要将这个更换为：

embedding_model_name = ‘text-embedding-3-small’ # Embedding model name (NV-Embed, GritLM or Contriever for now)

embedding_model_name = 'nvidia/NV-Embed-v2'  # Embedding model name (NV-Embed, GritLM or Contriever for now)

这里我想把项目中的OpenAI更换为Deepseek，因为Deepseek采用了OpenAI兼容模式，可以像调用OpenAI API那样去调用。如果你有OpenAI API key，就只需设置好环境变量中的API key即可。

在tests_openai.py脚本开头加入如下代码：

import os
os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxx" # deepseek API
os.environ["OPENAI_BASE_URL"] = "https://api.deepseek.com/v1" # deepseek API 调用 URL（OpenAI不用此行）
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com" # 需要用到huggingface中的嵌入模型，设置镜像网站

在实例化hipporag的时候将llm_model_name改为deepseek-chat，也就是：

hipporag = HippoRAG(save_dir='outputs/openai_test',       # 存储索引和模型的目录llm_model_name='deepseek-chat',         # OpenAI模型embedding_model_name='nvidia/NV-Embed-v2'  # 文本嵌入模型
)

文档索引

hipporag.index(docs=docs)

• 输入：docs列表包含9个虚构的短文本（如人物职业、童话情节、地理信息）。
• 功能：将文档分块、生成嵌入向量，并构建可检索的索引。

QA

results = hipporag.rag_qa(queries=queries,          # 问题列表gold_docs=gold_docs,      # 每个问题的标准相关文档gold_answers=answers      # 标准答案
)
print(results[-2:])           # 输出最后两个评估结果（召回率和答案质量）

评估逻辑：

• 召回率（Recall@k）：检查检索到的文档是否包含gold_docs。
• 答案质量：对比生成答案与gold_answers的精确匹配（ExactMatch）和F1分数。

运行脚本

直接在终端输入python tests_openai.py，等待程序从huggingface下载好嵌入模型即可运行。

我们可以看到一下各类指标均正常生成，证明我们环境已经成功搭建好了。

({'Recall@1': 0.6111, 'Recall@2': 0.8889, 'Recall@5': 1.0, 'Recall@10': 1.0, 'Recall@20': 1.0, 'Recall@30': 1.0, 'Recall@50': 1.0, 'Recall@100': 1.0, 'Recall@150': 1.0, 'Recall@200': 1.0}, {'ExactMatch': 0.6667, 'F1': 0.6667})

总结

本周重点完成了HippoRAG 2系统的核心功能测试工作，通过构建结构化测试数据集，全面验证了系统的文档索引、动态更新、多轮问答检索等核心功能模块的运行效果。测试结果既证实了系统在基础检索和答案生成方面的可靠性（66.67%的精确匹配率），也发现了模型配置和字符串匹配等需要优化的环节，为后续系统迭代升级和大规模应用部署奠定了重要基础，提供了明确的技术改进方向。