正在加载模式…
🕸️
图 RAG(GRAG)
以知识图谱增强的 RAG，利用实体关系和社区检测来处理全局理解类查询
复杂度: high知识检索（RAG）
30秒速览
- 是什么
- 从文档中构建实体知识图谱，检测其中的社区，然后通过总结相关社区来回答查询，而不是检索单个文本块。
- 何时使用
- 在大型文档集合中回答宽泛的分析性问题，且实体关系与主题分组比关键词匹配更重要时。
- 注意
- 图谱构建与社区检测的计算开销很高；若实体抽取或关系识别在早期出错，质量会急剧下降。
向AI专家咨询此模式
打开助手并预填您的问题,发送前可先确认。
图 RAG: 概览
以知识图谱增强的 RAG，利用实体关系和社区检测来处理全局理解类查询
- Entity knowledge graph construction
- Community detection algorithms
- Global query processing
- Multi-hop reasoning paths
- Hierarchical summarization
- Relationship-aware retrieval
The Agent Architect
每周一个模式、一个权衡、一个生产事故案例。为构建智能体系统的人准备的每周简报。
每周一封邮件,一键退订。您的地址仅用于发送简报。
参考资料
该模式所依据的论文、规范和代码仓库。
- 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
由本目录背后的工程师执行
为你的智能体架构做一次评审
本页讲的是一个模式。真实系统会同时跑几十个，而多数故障恰恰出在它们的衔接处。我们按本目录的 288 个模式评审你的整体设计：架构、可靠性、评测与成本，每一条结论都对应到能修复它的模式。
€750（原价 €1,500），一周交付，书面报告加讲解通话，9月30日前