Artículos para quien
entrega el stack
Textos sobre React, Node.js, TypeScript y AI. El cuerpo traducido se muestra cuando existe. Si no, ve el texto en inglés y una nota que lo dice.
Etiqueta: GraphRAG
Elegir una arquitectura RAG: Naive, Advanced, CRAG, GraphRAG, Agentic
Una comparación práctica de seis arquitecturas RAG con sus ventajas, desventajas y casos de uso, además de un proceso de toma de decisiones en cuatro pasos y los casos en los que RAG no es la herramienta adecuada.
10 min de lecturaNeo4j y LangChain4j: Ingestores GraphRAG, filtrado y memoria de chat
Neo4j con LangChain4j para GraphRAG: descubrimiento de esquemas, construcción de grafos con LLM, DSL Cypher, filtrado en el índice, recuperación de relaciones padre-hijo y memoria de chat basada en grafos.
18 min de lectura¿RAG o grafo de conocimiento? 2,160 respuestas calificadas y el efecto del modelo
RAG frente a grafo de conocimiento: 2,160 respuestas evaluadas en tres familias de modelos y 120 preguntas. El ganador varía según el modelo, y el modelo es lo más importante.
9 min de lecturaNotas prácticas: Alguien leyó mi artículo sobre ROE y creó un motor GraphRAG
Guía paso a paso operativa de las notas prácticas: Alguien leyó mi artículo sobre ROE y creó un motor GraphRAG; incluye contratos, verificaciones y espacios para código listo para uso para los equipos que implementan este patrón.
7 min de lecturaCuatro estrategias de memoria para agentes de IA: ventanas deslizantes, FAISS y GraphRAG
Compare las formas de proporcionar memoria a un agente LLM, desde historial completo y ventanas deslizantes hasta índices invertidos, búsqueda semántica FAISS y un grafo de conocimiento GraphRAG.
7 min de lecturaUn pipeline GraphRAG completamente local con LangExtract, Neo4j, Qdrant y Ollama
Construir GraphRAG con modelos locales: extraer entidades con LangExtract, almacenarlas en Neo4j, indexarlas en Qdrant y luego expandir subgrafos para obtener respuestas basadas en grafos.
39 min de lecturaSiete patrones de RAG más allá del chatbot básico y cuándo es adecuado cada uno.
Una guía práctica sobre los enfoques ingenuo, híbrido, correctivo, autorreflexivo, de múltiples saltos, gráfico y contextual en RAG: qué brecha cubre cada uno, sus componentes y cómo elegirlo.
7 min de lecturaInformes de comunidades de GraphRAG: Conviertiendo un grafo de conocimiento en respuestas
Cómo GraphRAG crea un grafo a partir de texto, encuentra comunidades mediante el método jerárquico Leiden, elabora informes de las comunidades y los utiliza para búsquedas globales y locales.
6 min de lecturaRecuperación híbrida para RAG: combinación de búsqueda por palabras clave, vectorial y de grafos.
Cómo combinar BM25, búsqueda vectorial y recuperación de grafos en RAG: fusión de rangos con RRF, donde GraphRAG brinda ayuda, y una arquitectura de recuperar, fusionar, expandir y volver a clasificar.
6 min de lectura
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.