工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：knowledge-graph
本体结构与模型规模：图形设计会给AI智能体带来怎样的成本？
一个保险知识图谱的三种无损结构如何改变了Azure Cosmos DB上小型和大型模型的准确率、工具调用次数、token数量以及成本。
阅读约 30 分钟Graphify、OKF与RAG：您的代码库需要哪种上下文层？
基准测试显示，Graphify在准确率上与向量RAG不相上下。以下是Graphify、谷歌的OKF以及向量RAG之间的关系，包括故障触发条件及决策矩阵。
阅读约 12 分钟Neo4j与LangChain4j：GraphRAG数据导入工具、过滤功能及聊天记忆功能
基于LangChain4j的Neo4j在GraphRAG中的应用：模式发现、LLM图结构构建、Cypher DSL语法、索引内过滤、父子节点检索以及以图为支撑的聊天记忆功能。
阅读约 18 分钟量化研究智能体的上下文工程：证明层级与数据存储
WorldQuant研究智能体的上下文工程：分布在账本、事件存储和图结构中的不同证明层级上的规则、观测值与信念。
阅读约 12 分钟RAG还是知识图谱？2,160份评分答案及模型效应分析
RAG与知识图谱的对比：在三个模型系列中共进行了2,160次评分答案测试以及120道题目测试。胜者因模型而异，模型本身起着最关键的作用。
阅读约 9 分钟RAG-Anything在65本葡萄酒书籍上的应用：图检索的优劣势所在。
对65份葡萄酒相关PDF文件使用RAG-Anything知识图谱进行的实际测试：解析器选择、成本分析、图结构答案与向量答案的对比，以及起泡酒领域的缺陷。
阅读约 12 分钟实用提示：有人读了我的关于ROE的文章，进而开发出了GraphRAG引擎
《实用笔记》操作指南：有人读了我的关于ROE的文章后开发出了GraphRAG引擎——为采用该模式的团队提供相关合同、检查清单以及可直接使用的代码模板。
阅读约 7 分钟利用本体和知识图谱解决半导体文档中的RAG问题。
半导体EDA文档采用了RDF/OWL本体、Neo4j知识图谱以及基于本体的检索机制，使得RAG系统产生的后续问题减少了30%。
阅读约 8 分钟开放知识格式：用于人工智能编程智能体的便携式内存
开放知识格式将编码智能体所学的内容存储为链接式的Markdown文件。它与CLAUDE.md和MCP有何不同，以及如何立即开始使用它。
阅读约 11 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。