Видео к статье

RAG за пределами чанков: графовый RAG, агентный RAG, RAG с длинным контекстом — видео к статье

Статья выходит за пределы RAG по принципу «разбить на чанки и построить эмбеддинги» к трём семействам, которые действительно продвинули качество вперёд, — извлечение по графу знаний, агентные циклы извлечения и подход «просто загрузим миллион токенов». Эти два видео показывают рабочее демо двух из этих семейств бок о бок плюс архитектуру GraphRAG в стиле Microsoft в её исходном виде, чтобы сравнения в статье опирались на конкретные ориентиры.

Основная рекомендация

38:48

Introducing RAG 2.0: Agentic RAG + Knowledge Graphs (FREE Template)

Cole Medin

Рабочая сборка агентного RAG в связке с графом знаний, где агент сам решает, когда выполнять векторный поиск, когда обращаться к Neo4j, а когда и то, и другое. Это самая чистая на YouTube демонстрация описанного в статье паттерна «агент как планировщик извлечения», причём в коде, который можно действительно скачать и запустить.

Что вынести из этого видео: Вы сравните агентное извлечение и извлечение по графу на конкретной реализации.

Что посмотреть или знать заранее: Вы уверенно работаете с базовым RAG, графовыми базами данных и запуском шаблона локально.

Заметка AI Expert: Считайте зависимости шаблона, выбор моделей и код оркестрации зависящими от версии. Полезная идея здесь — планирование извлечения; для продакшена всё равно нужны права доступа, оценки и обработка отказов.

Открыть страницу видео

Также стоит посмотреть

15:58

Graph RAG: Improving RAG with Knowledge Graphs

Prompt Engineering

Сфокусированный разбор GraphRAG от Microsoft — извлечение сущностей, суммаризация сообществ, суммаризация с фокусом на запрос — развёрнутый на локальной машине, с заметками по стоимости. Смотрите его именно под раздел про графовый RAG в статье; обсуждение стоимости — та часть, которую большинство материалов пропускают.

Что вынести из этого видео: Вы разберётесь в процессе GraphRAG в стиле Microsoft: извлечение сущностей, сообщества, суммаризация и синтез с фокусом на запрос.

Что посмотреть или знать заранее: Вы понимаете, почему обычный векторный поиск может упускать вопросы, насыщенные связями.

Заметка AI Expert: Команды установки и стоимость могут меняться, но архитектура полезна. Прежде чем принимать этот паттерн, пересчитайте актуальную стоимость по токенам и проверьте, оправдано ли построение графа.

Открыть страницу видео