知识图谱

技术动态 | 如何使用知识图谱改进RAG？

2024 年 11 月 22 日

在我们关于用于知识管理的 AI 系列的这一部分中，您将了解知识图谱如何改进检索增强生成（RAG）以在公司中进行信息检索。

高级 RAG 流程

介绍

1. 回顾：LLM 的局限性和 RAG 简介

Simple RAG

检索增强生成（RAG）是一种将外部数据源与LLM（大型语言模型）结合的AI架构。其工作分为两步：

1. 检索：使用用户查询从数据库（例如公司知识库）中检索相关信息（“上下文”）。

2. 生成：根据检索到的上下文指示LLM回答用户的查询。

知识图谱表示实体（文件、人员等）和边缘（关系）

高级 RAG（无知识图谱）

Graph RAG 性能提升

OpenKG

OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

留下你的场景和痛点,我们帮你判断从哪一步开始。