Costruisci un RAG migliore permettendo a un team di agenti di estrarre e connettere i tuoi materiali di riferimento in un grafo della conoscenza. Il nostro nuovo corso breve, "Costruzione di Grafi della Conoscenza Agentici", tenuto dal @Neo4j Innovation Lead @akollegger, ti mostra come fare. I grafi della conoscenza sono un modo importante per memorizzare le informazioni in modo accurato, ma richiedono molto lavoro per essere costruiti manualmente. In questo corso imparerai a costruire un team di agenti che trasformano i dati – in questo caso le recensioni dei prodotti e le fatture dei fornitori – in grafi strutturati di entità e relazioni per il RAG. Scopri come gli agenti possono gestire automaticamente il lavoro dispendioso di costruzione dei grafi — estraendo entità e relazioni (ad es., Prodotto "contiene" Assemblaggio, Parte "fornita_da" Fornitore, Recensione del cliente "menziona" Prodotto), deduplicandole, verificandole e impegnandole in un database grafico — affinché il tuo sistema di recupero possa trovare le informazioni corrette per generare output accurati. Ad esempio, puoi utilizzare gli agenti per aiutare a rintracciare i reclami dei clienti direttamente a fornitori specifici, processi di produzione e gerarchie di prodotto, trasformando così informazioni frammentate in intelligenza aziendale interrogabile. Competenze che acquisirai: - Costruire, memorizzare e accedere a grafi della conoscenza utilizzando il database grafico Neo4j - Costruire sistemi multi-agente utilizzando il Kit di Sviluppo Agenti (ADK) di Google - Impostare un ciclo di flussi di lavoro agentici per proporre e affinare uno schema grafico attraverso la verifica dei fatti - Collegare grafi generati da agenti di dati non strutturati e strutturati in un grafo della conoscenza unificato Questo corso approfondisce il motivo per cui i grafi della conoscenza forniscono un recupero delle informazioni più accurato rispetto alla ricerca vettoriale da sola, specialmente per applicazioni ad alto rischio dove la precisione è più importante rispetto al matching di somiglianza sfocata. Iscriviti qui: