password
URL
type
status
date
slug
summary
tags
category
icon
周起始
标签
是否汉化

‣
‣
‣
‣
‣


‣
‣












gradio.app








图普 neo4j + 模型驱动测试
自动化测试---po测试---模型驱动--领域模型---知识图普


RAG(检索增强生成) 传一个文件+提示词, 输出 Agent智能体













‣



‣
为什么要用知识图谱?
为什么要用知识图谱?知识图谱在多种方式上都很有用。我们可以运行图算法并计算任何节点的中心性,以了解一个概念(节点)对于整个作品的重要性。我们可以分析概念的连接集和断开集,或计算概念社区以深入理解主题。我们可以理解看似不相关概念之间的联系。我们还可以使用知识图谱来实现图形检索增强生成(GRAG或GAG),并与我们的文档进行聊天。这可以给我们带来比老旧版本的RAG更好的结果,后者有几个缺点。例如,仅使用简单的语义相似性搜索来检索与查询最相关的上下文并不总是有效的。特别是当查询没有提供足够的上下文来说明其真实意图,或者当上下文跨越大量文本片段时。例如,考虑这个查询——告诉我《百年孤独》书中关于José Arcadio Buendía家族史的信息。这本书记录了7代人的家族史,其中一半的角色都叫。如果使用简单的RAG管道,即使可能,回答这个查询也将是相当的挑战。RAG的另一个缺点是它不能告诉你该问什么。很多时候,提出正确的问题比得到答案更重要。图形增强生成(GAG)可以在一定程度上解决RAG的这些缺点。更好的是,我们可以混合搭配,构建一个图形增强检索增强生成管道,以获得两全其美的效果。所以现在我们知道图形很有趣,它们可以非常有用,它们看起来也很美。
离开乏味的皮囊,自由的灵魂在路上
- Name: Alan Hsu
- Tag: 随感、技术、经验、旅行、推荐、生活、音乐、电影 etc.
- Email:xulanzhong521gmail.com
- Twitter:@AlanHsu521
- Telegram:@AlanHsu521
- WeChat: Alan_Hsu_521
- Github: https://github.com/xsoway/
- Blog: https://xmylog.com


- Author:Alan_Hsu
- URL:https://xmylog.com/article/articles_pydantic_agents
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
Relate Posts