Build your ultimate AI agent
コース説明
グラフでRAGアプリケーションをレベルアップ
ベクトル、埋め込み、ベクトルRAGアプリケーションにはもう飽きていませんか？もう探す必要はありません！このコースでは、Graph RAGがノードとリレーションシップの形で情報を保存・検索することで、RAGアプリケーションの精度と信頼性を大幅に向上させる仕組みを学びます。 Neo4jグラフデータベースとLangChainを組み合わせると、LLMと外部データを取得・統合するための本当に優れた方法が手に入ります。非構造化テキストからNeo4jグラフデータベースを作成する
データセットがグラフではなく、乱雑な非構造化テキストだったらどうしますか？慌てないでください—構造化出力を使ってLLMを活用し、テキストからエンティティと関係を抽出し、グラフデータベース用の新しいノードと関係を作成する方法を学べます。 LLMが抽出したテキストデータを入力するための厳密なデータ構造を定義するために、Pydanticライブラリを活用します。ベクトルとグラフを組み合わせてハイブリッドRAGを実現
ベクトルかグラフかで選ぶ必要はありません—両方の長所を活かせます！単一のワークフローで両方のデータソースからデータを取得し、それらを統合したハイブリッドRAGアプリケーションに組み込むためのプロンプトを慎重に構築する方法を学びましょう。長期チャットボットメモリを統合する
Neo4jのようなグラフデータベースは、検索用のナレッジベースとして役立つだけでなく、ユーザーの事実や好みのような長期的な情報もグラフとして保存できます！この長期記憶は、その後、他のグラフデータベースと同じようにクエリでき、これらの設定を統合してアプリケーションをパーソナライズできます。前提条件
カリキュラム
コース概要
1
Graph RAG と Neo4j をはじめよう
Graph RAG がRAGアプリの正確性と信頼性をどのように高めるかを学びます。Neo4j データベースに情報をノードとエッジとして保存し、LLM がそれをクエリできるようにして、エンティティ情報や関係情報を取得し、根拠ある回答を生成できるようにします。
2
グラフモデルとハイブリッド RAG
Text-to-Cypher アプリケーションは多くの場面で有効ですが、さらに良くできます。語彙グラフやドメイングラフなど、異なるグラフモデルでグラフデータベースを構築する方法を学びましょう。Neo4j のベクトルインデックスを作成して、グラフ検索とベクトル検索を同時に実行し、両方の長所を活かせるようにします。
3
検索品質の向上
Graph RAG アプリは一般にベクトル型RAGより信頼性が高いものの、万能ではありません。この章では、Graph RAG アプリを評価し、誤ったノードや重複ノードを見つけ、ユーザーの嗜好を時間とともに学習できるよう長期記憶を統合する方法を学びます。
Graph RAG with LangChain and Neo4j
コース修了
