Bauen Sie bessere RAG, indem Sie ein Team von Agenten Ihre Referenzmaterialien extrahieren und mit einem Wissensgraphen verbinden lassen. Unser neuer Kurzlehrgang „Agentic Knowledge Graph Construction“, geleitet von @Neo4j Innovationsleiter @akollegger, zeigt Ihnen, wie es geht. Wissensgraphen sind eine wichtige Möglichkeit, Informationen genau zu speichern, aber sie sind sehr aufwendig, manuell zu erstellen. In diesem Kurs lernen Sie, wie Sie ein Team von Agenten aufbauen, das Daten – in diesem Fall Produktbewertungen und Rechnungen von Lieferanten – in strukturierte Graphen von Entitäten und Beziehungen für RAG umwandelt. Erfahren Sie, wie Agenten automatisch die zeitaufwendige Arbeit des Aufbaus von Graphen übernehmen können – Entitäten und Beziehungen extrahieren (z. B. Produkt "enthält" Montage, Teil "geliefert_von" Lieferant, Kundenbewertung "erwähnt" Produkt), diese deduplizieren, sie faktisch überprüfen und in eine Graphdatenbank einpflegen – damit Ihr Abrufsystem die richtigen Informationen finden kann, um genaue Ergebnisse zu generieren. Zum Beispiel können Sie Agenten verwenden, um Kundenbeschwerden direkt bestimmten Lieferanten, Fertigungsprozessen und Produkt-Hierarchien zuzuordnen, wodurch fragmentierte Informationen in abfragbare Geschäftsinformationen umgewandelt werden. Fähigkeiten, die Sie erwerben werden: - Wissensgraphen mit der Neo4j-Graphdatenbank erstellen, speichern und darauf zugreifen - Multi-Agenten-Systeme mit Googles Agent Development Kit (ADK) aufbauen - Einen Loop von agentischen Workflows einrichten, um ein Graphschema durch Faktüberprüfung vorzuschlagen und zu verfeinern - Agenten-generierte Graphen unstrukturierter und strukturierter Daten in einen einheitlichen Wissensgraphen verbinden Dieser Kurs behandelt die Praxis, warum Wissensgraphen eine genauere Informationsabfrage bieten als nur die Vektorsuche, insbesondere für Anwendungen mit hohen Einsätzen, bei denen Präzision wichtiger ist als unscharfe Ähnlichkeitsabgleiche. Melden Sie sich hier an: