Rakenna parempi RAG antamalla agenttitiimin poimia ja yhdistää viitemateriaalisi tietokaavioon. Uusi lyhytkurssimme "Agentic Knowledge Graph Construction", jonka opettaa @Neo4j Innovation Lead @akollegger, näyttää, miten. Tietokaaviot ovat tärkeä tapa tallentaa tietoa tarkasti, mutta niiden rakentaminen manuaalisesti vaatii paljon työtä. Tällä kurssilla opit rakentamaan agenttitiimin, joka muuntaa tiedot – tässä tapauksessa tuotearvostelut ja toimittajien laskut – jäsennellyiksi kaavioiksi RAG:n yksiköistä ja suhteista. Lue, miten asiakaspalvelijat voivat automaattisesti hoitaa aikaa vievän kaavioiden rakentamisen – poimia entiteettejä ja suhteita (esim. tuote "sisältää" kokoonpanon, osan "supplied_by" toimittaja, asiakasarvostelu "mainitsee" tuotteen), poistaa niiden deduplikaatiot, tarkistaa faktat ja sitoa ne kaaviotietokantaan – jotta hakujärjestelmäsi löytää oikeat tiedot tarkan tuloksen tuottamiseksi. Voit esimerkiksi käyttää asiakaspalvelijoita asiakasvalitusten jäljittämiseen suoraan tiettyihin toimittajiin, valmistusprosesseihin ja tuotehierarkioihin, jolloin hajanaiset tiedot muuttuvat kyselykelpoisiksi liiketoimintatiedoiksi. Taidot, joita saat: - Rakenna, tallenna ja käytä tietokaavioita Neo4j-kaaviotietokannan avulla - Rakenna usean agentin järjestelmiä Googlen Agent Development Kitin (ADK) avulla - Määritä agenttisten työnkulkujen silmukka, jotta voit ehdottaa ja tarkentaa kaaviomallia faktantarkistuksen avulla - Yhdistä agenttien luomat kaaviot jäsentämättömästä ja jäsennellystä datasta yhtenäiseksi tietokaavioksi Tällä kurssilla perehdytään käytäntöön siitä, miksi tietokaaviot antavat tarkemman tiedonhaun kuin pelkkä vektorihaku, erityisesti korkean panoksen sovelluksissa, joissa tarkkuus on tärkeämpää kuin sumea samankaltaisuusvastaavuus. Ilmoittaudu tästä: