如何对已经创建好内容的NEBULA知识库进行基于llama_index的索引构建，并进行后续问答?请大家给些思路

[徐焱-午后暖阳]

我已经构建了NEBULA的知识库，内容涵盖结构化，非结构化很多 边和顶点，也创建了NEBULA索引，现在希望基于大模型进行自然语言问答，看了很多文章，都是从头，从文档中构建知识库，并创建KGINDEX，并且KnowledgeGraphRAGRetriever 也只能对通过RAG形式构建的知识库进行问答，如何将llama_index，进行基于NEBULA图谱库内容的微调结合未来，并自动创建其问答索引，并通过文章中提到的7种问答策略进行问答试用，验证评估其准确性？一直没有可用技术。请各位大神指点

[wey]

我在 Google Colab 有提过，graph rag retriever 就是不依赖 kgindex 的，直接实例化 graph store 创建 retriver ，再创建 query engine 是可以的哈。

另外，llamaindex 中，我给的实现不算是最先进的，我们的 nebula genAI suite（现在还不是开源的）有很多好用高级的实现哈。