Construiți un RAG mai bun permițând unei echipe de agenți să extragă și să conecteze materialele de referință într-un grafic de cunoștințe. Noul nostru curs scurt, "Agentic Knowledge Graph Construction", predat de @Neo4j Innovation Lead @akollegger, vă arată cum. Graficele de cunoștințe sunt o modalitate importantă de a stoca informații cu acuratețe, dar necesită multă muncă de construit manual. În acest curs veți învăța cum să construiți o echipă de agenți care transformă datele – în acest caz recenziile produselor și facturile de la furnizori – în grafice structurate ale entităților și relațiilor pentru RAG. Aflați cum agenții pot gestiona automat munca consumatoare de timp de construire a graficelor - extragerea entităților și relațiilor (de exemplu, produsul "conține" asamblarea, partea "supplied_by" furnizor, recenzia clienților "menționează" produsul), deduplicarea lor, verificarea faptelor și trimiterea lor într-o bază de date grafică - astfel încât sistemul de recuperare să poată găsi informațiile corecte pentru a genera rezultate precise. De exemplu, puteți utiliza agenți pentru a ajuta la urmărirea reclamațiilor clienților direct către anumiți furnizori, procese de producție și ierarhii de produse, transformând astfel informațiile fragmentate în informații de afaceri interogabile. Abilități pe care le veți dobândi: - Construiți, stocați și accesați grafice de cunoștințe folosind baza de date grafică Neo4j - Construiți sisteme cu mai mulți agenți folosind Agent Development Kit (ADK) de la Google - Configurați o buclă de fluxuri de lucru agentice pentru a propune și rafina o schemă grafică prin verificarea faptelor - Conectați grafice generate de agenți de date nestructurate și structurate într-un grafic de cunoștințe unificat Acest curs abordează practica de ce graficele de cunoștințe oferă o recuperare mai precisă a informațiilor decât căutarea vectorială, în special pentru aplicațiile cu mize mari în care precizia contează mai mult decât potrivirea similarității neclare. Înscrieți-vă aici: