Bouw betere RAG door een team van agenten je referentiematerialen te laten extraheren en verbinden in een kennisgrafiek. Onze nieuwe korte cursus, "Agentic Knowledge Graph Construction," gegeven door @Neo4j Innovation Lead @akollegger, laat je zien hoe. Kennisgrafieken zijn een belangrijke manier om informatie nauwkeurig op te slaan, maar ze zijn veel werk om handmatig te bouwen. In deze cursus leer je hoe je een team van agenten kunt opbouwen die gegevens – in dit geval productbeoordelingen en facturen van leveranciers – omzetten in gestructureerde grafieken van entiteiten en relaties voor RAG. Leer hoe agenten automatisch het tijdrovende werk van het bouwen van grafieken kunnen afhandelen — entiteiten en relaties extraheren (bijv. Product "bevat" Assemblage, Onderdeel "geleverd door" Leverancier, Klantbeoordeling "vermeldt" Product), ze dedupliceren, ze fact-checken en ze aan een grafdatabase toewijzen — zodat jouw opvragsysteem de juiste informatie kan vinden om nauwkeurige output te genereren. Bijvoorbeeld, je kunt agenten gebruiken om klantklachten rechtstreeks naar specifieke leveranciers, productieprocessen en producthiërarchieën te traceren, waardoor gefragmenteerde informatie wordt omgezet in doorzoekbare bedrijfsinformatie. Vaardigheden die je zult verwerven: - Bouw, sla op en krijg toegang tot kennisgrafieken met behulp van de Neo4j grafdatabase - Bouw multi-agent systemen met behulp van Google’s Agent Development Kit (ADK) - Stel een cyclus van agentische workflows in om een grafschema voor te stellen en te verfijnen door middel van fact-checking - Verbind agent-gegenereerde grafieken van ongestructureerde en gestructureerde gegevens in een uniforme kennisgrafiek Deze cursus gaat in op de praktijk van waarom kennisgrafieken nauwkeurigere informatieopvraging bieden dan alleen vectorzoekopdrachten, vooral voor toepassingen met hoge inzet waar precisie belangrijker is dan vage gelijkenismatching. Meld je hier aan: