通过让一组代理提取并连接您的参考材料到知识图谱中，构建更好的 RAG。我们的新短期课程“代理知识图谱构建”，由 @Neo4j 创新负责人 @akollegger 授课，教您如何实现。 知识图谱是准确存储信息的重要方式，但手动构建它们需要大量工作。 在本课程中，您将学习如何构建一组代理，将数据——在这种情况下是来自供应商的产品评论和发票——转化为 RAG 的实体和关系的结构化图。 了解代理如何自动处理构建图的耗时工作——提取实体和关系（例如，产品 "包含" 装配，部件 "由" 供应商提供，客户评论 "提到" 产品），去重，事实核查，并将其提交到图数据库——以便您的检索系统能够找到正确的信息以生成准确的输出。例如，您可以使用代理帮助将客户投诉直接追溯到特定的供应商、制造过程和产品层级，从而将碎片化的信息转化为可查询的商业智能。 您将获得的技能： - 使用 Neo4j 图数据库构建、存储和访问知识图谱 - 使用谷歌的代理开发工具包 (ADK) 构建多代理系统 - 设置代理工作流循环，通过事实核查提出和完善图模式 - 将代理生成的非结构化和结构化数据图连接成统一的知识图谱 本课程深入探讨了为什么知识图谱在信息检索方面比仅仅依赖向量搜索更准确，尤其是在高风险应用中，精确度比模糊相似匹配更为重要。 在这里注册：