Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: GraphRAG
Auswahl einer RAG-Architektur: Naiv, Fortgeschritten, CRAG, GraphRAG, Agentic
Ein praktischer Vergleich von sechs RAG-Architekturen mit Vor- und Nachteilen sowie Anwendungsfällen, dazu ein vierstufiger Entscheidungsprozess und die Fälle, in denen RAG das falsche Werkzeug ist.
10 Min. LesezeitNeo4j und LangChain4j: GraphRAG-Eingabemodule, Filterung und Chat-Gedächtnis
Neo4j mit LangChain4j für GraphRAG: Schema-Entdeckung, Erstellung von Graphen mit großen Sprachmodellen, Cypher DSL, Filtern im Index, Abruf von Eltern-Kind-Beziehungen sowie chatbasiertes Gedächtnis, das auf Graphen beruht.
18 Min. LesezeitRAG oder Wissensgraphen? 2.160 bewertete Antworten und der Einfluss des Modells
RAG gegen Wissensgraph, gemessen an: 2.160 bewerteten Antworten aus drei Modellfamilien und 120 Fragen. Der Gewinner wechselt je nach Modell, und das Modell ist am wichtigsten.
9 Min. LesezeitROE gegen TechRAG: GraphRAG auf Docker und Qdrant oder auf SQLite und LanceDB
Zwei Ansätze für eine GraphRAG-These: Qdrant, MongoDB und ein 120B-Modell gegen LanceDB, SQLite und qwen2.5 7B, wobei die Suchlogik verglichen und Schlussfolgerungen gezogen werden.
7 Min. LesezeitVier Speicherrstrategien für KI-Agenten: Rolling Windows, FAISS und GraphRAG
Vergleichen Sie verschiedene Methoden, einem LLM-Agenten Gedächtnis zu verleihen – von vollständiger Historie und rollierenden Fenstern über invertierte Indizes, FAISS-Semantiksuche bis hin zu einem GraphRAG-Wissensgraphen.
7 Min. LesezeitEin vollständig lokaler GraphRAG-Pipeline mit LangExtract, Neo4j, Qdrant und Ollama
GraphRAG mit lokalen Modellen aufbauen: Entitäten mithilfe von LangExtract extrahieren, sie in Neo4j speichern, in Qdrant indizieren und anschließend Untergraphen erweitern, um graphbasierte Antworten zu erhalten.
39 Min. LesezeitSieben RAG-Muster jenseits des grundlegenden Chatbots und wann jedes davon geeignet ist.
Ein Feldführer zu naiven, hybriden, korrigierenden, selbstreflektierenden, mehrstufigen, grafischen und kontextuellen RAG-Methoden: Welchen Mangel jede Methode ausfüllt, ihre Komponenten sowie wie man sie wählt.
7 Min. LesezeitGraphRAG-Gemeinschaftsberichte: Ein Wissensgraph in Antworten umwandeln
Wie GraphRAG aus Text ein Graph erstellt, hierarchische Gemeinschaften mit Leiden findet, Berichte über diese Gemeinschaften erstellt und sie für globale sowie lokale Suchanfragen verwendet.
6 Min. LesezeitHybride Abrufmethode für RAG: Kombination von Schlüsselwort-, Vektor- und Graphsuche.
Wie man BM25, Vektorabfrage und Graphsuche in RAG kombiniert: Rangfusion mit RRF, wobei GraphRAG hilft, sowie eine Architektur aus Abrufen, Fusionsprozess, Erweiterung und Neuranking.
6 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.