Curs
Graph RAG cu LangChain și Neo4j
AvansatNivel de competențe
Actualizat 03.2026
PythonArtificial Intelligence3 h11 videoclipuri37 Exerciții3,100 XPCertificat de realizare
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și că datele tale sunt stocate în SUA.
Îndrăgit de cursanți din mii de companii
Formare pentru o echipă?
Încearcă pentru afaceriDescrierea cursului
Du-ți aplicațiile RAG la nivelul următor cu grafuri
Te-ai plictisit deja de vectori, embeddinguri și aplicații RAG bazate pe vectori? Nu mai căutați! În acest curs, vei descoperi cum Graph RAG poate îmbunătăți considerabil acuratețea și fiabilitatea aplicațiilor RAG prin stocarea și interogarea informațiilor sub formă de noduri și relații. Combină bazele de date graf Neo4j cu LangChain și obții o modalitate cu adevărat excelentă de a prelua și integra date externe cu LLM-uri.Creează baze de date graf Neo4j din text nestructurat
Ce se întâmplă dacă setul meu de date este text nestructurat dezordonat, nu un graf? Nu intra în panică—vei învăța cum să folosești LLM-urile cu outputuri structurate pentru a extrage entități și relații din text și pentru a crea noi noduri și relații pentru baza ta de date graf. Vei utiliza biblioteca Pydantic pentru a defini structuri de date stricte pe care LLM-ul tău să le completeze cu date text extrase.Combină vectorii și grafurile pentru RAG hibrid
Nu trebuie să alegi între vectori și grafuri—poți avea ce e mai bun din ambele lumi! Descoperă cum poți extrage din ambele surse de date într-un singur flux de lucru și cum poți construi cu atenție prompturi pentru a le integra într-o aplicație RAG hibridă.Integrează memoria pe termen lung a chatbotului
Bazele de date grafice precum Neo4j nu sunt utile doar ca baze de cunoștințe pentru recuperare, ci poți stoca și informații pe termen lung, precum datele și preferințele utilizatorilor, sub formă de grafuri! Această memorie pe termen lung poate fi apoi interogată la fel ca orice altă bază de date graf pentru a integra aceste preferințe și a personaliza aplicațiile tale.Cerințe prealabile
Retrieval Augmented Generation (RAG) with LangChain1
Introducere în Graph RAG și Neo4j
Află cum Graph RAG poate îmbunătăți acuratețea și fiabilitatea aplicațiilor RAG! Stochează informații ca noduri și muchii într-o bază de date Neo4j și oferă LLM-ului tău capacitatea de a o interoga, astfel încât să poată recupera informații despre entități și relații și să ofere răspunsuri bine fundamentate.
2
Modele de graf și RAG hibrid
Aplicațiile text-to-Cypher funcționează bine în multe situații, dar putem face și mai mult! Descoperă cum să construiești baze de date graf folosind diferite modele de graf, inclusiv grafuri lexicale și grafuri de domeniu. Creează indecși vectoriali Neo4j pentru a beneficia de ambele lumi și a rula simultan recuperarea prin graf și prin vector!
3
Îmbunătățirea calității recuperării
Deși aplicațiile Graph RAG sunt în general mai fiabile decât cele vector RAG, nu sunt infailibile. În acest capitol, vei învăța să evaluezi aplicațiile Graph RAG, să identifici noduri de graf incorecte sau duplicate și să integrezi memorie pe termen lung, astfel încât preferințele utilizatorilor să poată fi învățate în timp.
Graph RAG cu LangChain și Neo4j
Curs finalizat
Obține diploma de absolvire
Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumatDistribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum
Alătură-te celor peste 19 de milioane de cursanți și începe Graph RAG cu LangChain și Neo4j astăzi!
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și că datele tale sunt stocate în SUA.
Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil
Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.