Статті для тих, хто
виводить стек у прод
Матеріали про React, Node.js, TypeScript і AI. Перекладений текст показується, якщо він є. Якщо ні — ви бачите англійський текст і примітку про це.
Тег: GraphRAG
Вибір архітектури RAG: проста, розширена, CRAG, GraphRAG, агентська.
Практичне порівняння шести архітектур RAG із перевагами, недоліками та сценаріями використання, а також чотирикроковий алгоритм прийняття рішень та випадки, коли RAG є непідходящим інструментом.
10 хв читанняNeo4j та LangChain4j: інструменти GraphRAG для отримання даних, фільтрації та пам’яті чату
Neo4j з LangChain4j для GraphRAG: виявлення схеми, створення графів за допомогою LLM, Cypher DSL, фільтрація в індексі, пошук батьківських та дочірніх елементів та пам’ять для чату, підтримувана графом.
18 хв читанняRAG чи граф знань? 2 160 оцінених відповідей та вплив моделі
RAG проти графа знань: 2 160 оцінених відповідей у трьох родинах моделей та 120 запитань. Переможець змінюється залежно від моделі, і саме модель має найбільше значення.
9 хв читанняROE проти TechRAG: GraphRAG на Docker та Qdrant або на SQLite та LanceDB
Два підходи до реалізації GraphRAG: Qdrant, MongoDB та модель обсягом 120 млрд параметрів проти LanceDB, SQLite та qwen2.5 обсягом 7 млрд параметрів, із порівнянням логіки пошуку та висновками.
7 хв читанняЧотири стратегії пам’яті для AI-агентів: рухомі вікна, FAISS та GraphRAG
Порівняйте способи надання агенту LLM пам’яті — від повної історії та рухомих вікон до зворотних індексів, семантичного пошуку FAISS та графа знань GraphRAG.
7 хв читанняПовністю локальний конвейер GraphRAG із LangExtract, Neo4j, Qdrant та Ollama
Створіть GraphRAG на локальних моделях: витягніть ентитети за допомогою LangExtract, збережіть їх у Neo4j, індексуйте у Qdrant, а потім розширіть підграфи для отримання відповідей, заснованих на графах.
39 хв читанняСім моделей RAG, що виходять за межі базових чат-ботів, та ситуації, коли кожна з них підходить.
Посібник з використання наївних, гібридних, коригувальних, саморефлексивних, багатоетапних, графових та контекстуальних моделей RAG: яку прогалину закриває кожна з них, їх складові та як вибрати.
7 хв читанняЗвіти про спільноти GraphRAG: перетворення графа знань на відповіді
Як GraphRAG створює граф з тексту, знаходить спільноти за допомогою ієрархічного алгоритму Leiden, генерує звіти про спільноти та використовує їх для глобального та локального пошуку.
6 хв читанняГібридний пошук для RAG: поєднання пошуку за ключовими словами, векторного пошуку та пошуку у графіках.
Як поєднати BM25, векторний пошук та пошук у графіках у RAG: фузія рангів за допомогою RRF, де допомагає GraphRAG, та архітектура отримання даних, їх фузії, розширення та переранжування.
6 хв читання
Про ці статті
Оцінка за 24 години
Потрібен такий стек в операторському шарі? Надішліть бриф — оцінка за 24 години.