Создайте лучший RAG, позволив команде агентов извлекать и связывать ваши справочные материалы в граф знаний. Наш новый короткий курс «Конструкция агентного графа знаний», который ведет @Neo4j Innovation Lead @akollegger, покажет вам как. Графы знаний — это важный способ точного хранения информации, но их создание вручную требует много усилий. На этом курсе вы научитесь создавать команду агентов, которые превращают данные — в данном случае отзывы о продуктах и счета от поставщиков — в структурированные графы сущностей и отношений для RAG. Узнайте, как агенты могут автоматически выполнять трудоемкую работу по созданию графов — извлекая сущности и отношения (например, Продукт "содержит" Сборку, Часть "поставляется_от" Поставщика, Отзыв клиента "упоминает" Продукт), устраняя дубликаты, проверяя факты и фиксируя их в графовой базе данных — чтобы ваша система извлечения могла находить правильную информацию для генерации точного вывода. Например, вы можете использовать агентов, чтобы помочь проследить жалобы клиентов непосредственно к конкретным поставщикам, производственным процессам и иерархиям продуктов, тем самым превращая фрагментированную информацию в запрашиваемую бизнес-аналитику. Навыки, которые вы получите: - Создание, хранение и доступ к графам знаний с использованием графовой базы данных Neo4j - Создание многопользовательских систем с использованием набора инструментов разработки агентов (ADK) от Google - Настройка цикла агентных рабочих процессов для предложения и уточнения схемы графа через проверку фактов - Связывание графов, созданных агентами, из неструктурированных и структурированных данных в единый граф знаний Этот курс углубляется в практику того, почему графы знаний обеспечивают более точное извлечение информации, чем векторный поиск, особенно для приложений с высокими ставками, где точность важнее, чем нечеткое сопоставление.