Bygg bättre RAG genom att låta ett team av agenter extrahera och koppla ditt referensmaterial till en kunskapsgraf. Vår nya kortkurs, "Agentic Knowledge Graph Construction", som undervisas av @Neo4j Innovation Lead @akollegger, visar dig hur. Kunskapsgrafer är ett viktigt sätt att lagra information korrekt, men det är mycket arbete att bygga manuellt. I den här kursen får du lära dig hur du bygger upp ett team av agenter som omvandlar data – i det här fallet produktrecensioner och fakturor från leverantörer – till strukturerade diagram över enheter och relationer för RAG. Lär dig hur agenter automatiskt kan hantera det tidskrävande arbetet med att skapa diagram – extrahera enheter och relationer (t.ex. produkten "innehåller" montering, delen "supplied_by" leverantören, kundrecensionen "omnämnanden" av produkten), deduplicera dem, faktagranska dem och placera dem i en grafdatabas – så att ditt hämtningssystem kan hitta rätt information för att generera korrekta utdata. Du kan till exempel använda agenter för att spåra kundklagomål direkt till specifika leverantörer, tillverkningsprocesser och produkthierarkier, och på så sätt omvandla fragmenterad information till frågebar affärsinformation. Färdigheter du kommer att få: - Bygg, lagra och få tillgång till kunskapsgrafer med hjälp av Neo4j:s grafdatabas - Bygg system med flera agenter med hjälp av Googles Agent Development Kit (ADK) - Konfigurera en loop av agentiska arbetsflöden för att föreslå och förfina ett diagramschema genom faktagranskning - Koppla samman agentgenererade diagram över ostrukturerade och strukturerade data till en enhetlig kunskapsgraf Den här kursen går in på varför kunskapsgrafer ger mer exakt informationshämtning än enbart vektorsökning, särskilt för applikationer med höga insatser där precision är viktigare än suddig likhetsmatchning. Anmäl dig här: