Artykuły dla tych, którzy
wdrażają stack
Materiały o React, Node.js, TypeScript i AI. Przetłumaczony tekst jest pokazany, gdy istnieje. Jeśli nie, widać tekst angielski i dopisek o tym.
Tag: GraphRAG
Wybór architektury RAG: Naive, Advanced, CRAG, GraphRAG, Agentic
Praktyczne porównanie sześciu architektur RAG wraz z zaletami, wadami i przypadkami zastosowania, a także czterostopniową ścieżką decyzyjną oraz sytuacjami, w których RAG nie jest odpowiednim narzędziem.
10 min czytaniaNeo4j i LangChain4j: importerzy GraphRAG, filtrowanie i pamięć czatu
Neo4j z LangChain4j do GraphRAG: odkrywanie schematu, budowanie grafów za pomocą LLM, Cypher DSL, filtrowanie w trakcie indeksowania, wyszukiwanie elementów rodzicowsko-dziecięcych oraz pamięć do rozmów oparta na grafach.
18 min czytaniaRAG czy graf wiedzy? 2 160 ocenionych odpowiedzi i wpływ modelu
RAG kontra graf wiedzy, pomiar: 2 160 ocenionych odpowiedzi w trzech rodzinach modeli oraz 120 pytań. Zwycięzca zmienia się w zależności od modelu, a model ma największe znaczenie.
9 min czytaniaUwagi praktyczne: Ktoś przeczytał mój artykuł o ROE i stworzył silnik GraphRAG
Praktyczne wskazówki: Ktoś przeczytał mój artykuł o ROE i stworzył silnik GraphRAG – umowy, sprawdzenia oraz gotowe miejsca na kod dla zespołów wdrażających ten wzorzec.
7 min czytaniaCztery strategie pamięciowe dla agentów AI: okna przesuwne, FAISS i GraphRAG
Porównaj sposoby przekazywania pamięci agentowi LLM, od pełnej historii i okien przesuwnych po indeksy odwrócone, wyszukiwanie semantyczne FAISS oraz graf wiedzy GraphRAG.
7 min czytaniaKompletny lokalny pipeline GraphRAG wykorzystujący LangExtract, Neo4j, Qdrant i Ollama
Stwórz GraphRAG na lokalnych modelach: wydobywaj entity za pomocą LangExtract, przechowuj je w Neo4j, indeksuj w Qdrant, a następnie rozwijaj podgrafy w celu uzyskania odpowiedzi opartych na grafach.
39 min czytaniaSiedem wzorców RAG wykraczających poza podstawowe chatboty oraz sytuacje, w których każdy z nich jest odpowiedni.
Przewodnik po prostych, hybrydowych, korygujących, samorefleksyjnych, wieloetapowych, graficznych oraz kontekstualnych rozwiązaniach RAG: jaki brak każde z nich wypełnia, jakie są ich komponenty i jak je wybrać.
7 min czytaniaRaporty społeczności GraphRAG: Przekształcanie grafu wiedzy w odpowiedzi
Jak GraphRAG tworzy graf z tekstu, znajduje społeczności za pomocą hierarchicznego algorytmu Leiden, sporządza raporty o społecznościach i wykorzystuje je do wyszukiwania globalnego oraz lokalnego.
6 min czytaniaHybrydowe odzyskiwanie danych w RAG: łączenie wyszukiwania według słów kluczowych, wektorowego i grafowego.
Jak połączyć BM25, wyszukiwanie wektorowe i odzyskiwanie danych z grafów w RAG: fuzja rankingów przy użyciu RRF, w której pomocne jest GraphRAG, oraz architektura polegająca na odzyskiwaniu danych, ich fuzji, rozszerzaniu i ponownym rankowaniu.
6 min czytania
O tych artykułach
Wycena w 24 h
Potrzebujesz tego stacka w warstwie operatorskiej? Wyślij brief — wycena w 24 h.