パターンを読み込んでいます…
🕸️
Graph RAG(GRAG)
ナレッジグラフで強化した RAG。エンティティ間の関係とコミュニティ検出を活用し、全体像を把握するクエリに対応する
複雑さ: high知識検索（RAG）
30秒でわかる概要
- 概要
- ドキュメントからエンティティのナレッジグラフを構築し、その中のコミュニティを検出したうえで、個別のチャンクを取得するのではなく関連するコミュニティを要約してクエリに回答します。
- 使いどころ
- 大規模なドキュメント群にまたがる広範な分析的質問に答える場面で、キーワード一致よりもエンティティ間の関係やテーマ別のまとまりが重要なとき。
- 注意点
- グラフ構築とコミュニティ検出は計算コストが高く、エンティティ抽出や関係の特定が初期段階で失敗すると品質が急激に低下します。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
Graph RAG: 概要
ナレッジグラフで強化した RAG。エンティティ間の関係とコミュニティ検出を活用し、全体像を把握するクエリに対応する
- Entity knowledge graph construction
- Community detection algorithms
- Global query processing
- Multi-hop reasoning paths
- Hierarchical summarization
- Relationship-aware retrieval
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- From Local to Global: A Graph RAG Approach to Query-Focused Summarization (Edge et al., 2024)arXiv:2404.16130
- GraphRAG: Unlocking LLM Discovery on Narrative Private Data (Microsoft Research, 2024)
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arXiv:2005.11401
- From Louvain to Leiden: guaranteeing well-connected communitiesarXiv:1810.08473
- Fast Unfolding of Communities in Large Networks (Blondel et al., 2008)arXiv:0803.0476
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで