or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
เรียนรู้ว่า Graph RAG ช่วยเพิ่มความแม่นยำและความน่าเชื่อถือของแอปพลิเคชัน RAG ได้อย่างไร จัดเก็บข้อมูลเป็น node และ edge ใน Neo4j database แล้วให้ LLM สามารถค้นหาข้อมูลเชิง entity และ relationship เพื่อนำมาตอบคำถามได้อย่างถูกต้อง
แอปพลิเคชัน Text-to-Cypher ทำงานได้ดีในหลายสถานการณ์ แต่เราสามารถทำได้ดีกว่านั้น! มาเรียนรู้การสร้าง graph database โดยใช้ graph model รูปแบบต่าง ๆ ทั้ง lexical graph และ domain graph รวมถึงการสร้าง Neo4j vector index เพื่อให้ได้ประโยชน์จากทั้งสองโลก นั่นคือการค้นหาด้วย graph และ vector พร้อมกัน
แม้ว่าแอปพลิเคชัน Graph RAG จะมีความน่าเชื่อถือสูงกว่า vector RAG แต่ก็ไม่ได้สมบูรณ์แบบเสมอไป ในบทนี้ คุณจะได้เรียนรู้วิธีประเมินแอปพลิเคชัน Graph RAG ตรวจจับ graph node ที่ผิดพลาดหรือซ้ำกัน และเพิ่มความสามารถด้านหน่วยความจำระยะยาวเพื่อให้ระบบเรียนรู้ความชอบของผู้ใช้ได้เมื่อเวลาผ่านไป
แบบฝึกหัดปัจจุบัน