Khóa học
Graph RAG with LangChain and Neo4j
Nâng caoTrình độ kỹ năng
Đã cập nhật tháng 03, 2026
PythonArtificial Intelligence3 gio11 video37 Bài tập3,100 XPGiấy chứng nhận Thành tích
Tạo Tài Khoản Miễn Phí
Tiếp tục với GoogleHiển thị thêm tùy chọnhoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.
Được người học tại hàng ngàn công ty yêu thích
Đào tạo một đội ngũ?
Dùng thử cho Doanh nghiệpMô tả khóa học
Level-Up Your RAG Applications with Graphs
Are you bored of vectors, embeddings, and vector RAG applications yet? Look no further! In this course, you'll discover how Graph RAG can greatly improve the accuracy and reliability of RAG applications by storing and querying information in the form of nodes and relationships. Combine Neo4j graph databases with LangChain and you get a truly awesome way of retrieving and integrating external data with LLMs.Create Neo4j Graph Databases from Unstructured Text
What if my dataset is messy unstructured text rather than a graph? Don't panic—you'll learn how to use LLMs with structured outputs to extract entities and relationships from text, and create new nodes and relationships for your graph database. You'll utilize the Pydantic library to define strict data structures for your LLM to populate with extracted text data.Combine Vectors and Graphs for Hybrid RAG
You don't have to choose between vectors vs. graphs—you can have the best of both worlds! Discover how you can retrieve from both data sources in a single workflow and carefully construct prompts to integrate them into a hybrid RAG application.Integrate Long-Term Chatbot Memory
Graph databases like Neo4j aren't only useful as knowledge bases for retrieval, you can also store long-term information like user facts and preferences as graphs! This long-term memory can then be queried just like any other graph database to integrate these preferences and personalize your applications.Điều kiện tiên quyết
Retrieval Augmented Generation (RAG) with LangChain1
Getting Started with Graph RAG and Neo4j
Learn how Graph RAG can improve the accuracy and reliability of RAG applications! Store information as nodes and edges in a Neo4j database, and give your LLM the ability to query it so it can retrieve entity and relational information to provide informed answers.
2
Graph Models and Hybrid RAG
Text-to-Cypher applications work well in many circumstances, but we can do better than that! Discover how to construct graph databases using different graph models including lexical and domain graphs. Create Neo4j vector indexes so that you can have the best of both worlds and run graph and vector retrieval simultaneously!
3
Improving Retrieval Quality
Although Graph RAG applications are generally more reliable than vector RAG, they aren't totally infallible. In this chapter, you'll learn to evaluate your Graph RAG applications, spot incorrect or duplicate graph nodes, and integrate long-term memory so user preferences can be learned over time.
Graph RAG with LangChain and Neo4j
Hoàn Thành
Nhận Giấy Chứng Nhận Hoàn Thành
Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của banChia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay
Tham gia cùng hơn 19 triệu học viên và bắt đầu Graph RAG with LangChain and Neo4j ngay hôm nay!
Tạo Tài Khoản Miễn Phí
Tiếp tục với GoogleHiển thị thêm tùy chọnhoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.
Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động
Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.