通過讓一組代理提取並連接您的參考材料到知識圖譜中，構建更好的 RAG。我們的新短期課程「代理知識圖譜構建」，由 @Neo4j 創新負責人 @akollegger 授課，教您如何實現。 知識圖譜是準確存儲信息的重要方式，但手動構建它們需要大量工作。 在本課程中，您將學習如何構建一組代理，將數據——在這種情況下是來自供應商的產品評論和發票——轉化為 RAG 的實體和關係的結構化圖。 了解代理如何自動處理構建圖的耗時工作——提取實體和關係（例如，產品 "包含" 裝配，部件 "由" 供應商提供，客戶評論 "提到" 產品），去重，事實核查，並將其提交到圖數據庫——以便您的檢索系統能夠找到正確的信息以生成準確的輸出。例如，您可以使用代理幫助將客戶投訴直接追溯到特定的供應商、製造過程和產品層級，從而將碎片化的信息轉化為可查詢的商業智能。 您將獲得的技能： - 使用 Neo4j 圖數據庫構建、存儲和訪問知識圖譜 - 使用谷歌的代理開發工具包 (ADK) 構建多代理系統 - 設置代理工作流循環，通過事實核查提出和完善圖模式 - 將代理生成的非結構化和結構化數據圖連接成統一的知識圖譜 本課程深入探討了為什麼知識圖譜在信息檢索方面比僅僅依賴向量搜索更準確，尤其是在高風險應用中，精確度比模糊相似匹配更為重要。 在這裡註冊：