Vi presenterar RAG 2.0: agentbaserad RAG + kunskapsgrafer (KOSTNADSFRI mall)

Cole Medin. En fungerande lösning som kombinerar agentbaserad RAG med en kunskapsgraf, där agenten avgör när den ska göra en vektorsökning, när den ska söka i Neo4j och när den ska göra båda. Det är den tydligaste demonstrationen på YouTube av mönstret där agenten planerar informationshämtningen, vilket artikeln beskriver, och koden går faktiskt att hämta och köra.

Se nästa

Fortsätt längs samma lärstig med nästa kurerade kompletterande video.

13 minuter

RAG kontra finjustering kontra promptutformning: optimera AI-modeller

Välj promptutformning, RAG, finjustering eller en kombination utifrån det faktiska felläget.

AvanceradAI för företag

157 minuter

Finjustering av LLM-modeller – kurs i generativ AI

Du kommer att kunna genomföra finjusteringar med kvantisering, LoRA och QLoRA från början till slut på hårdvara som de flesta utvecklare redan har.

AvanceradPrivat/lokal AI

15 minuter

Så bygger vi effektiva agenter: Barry Zhang, Anthropic

Utforma enklare agentloopar med tydliga stoppregler, uppgiftsgränser och kontrollpunkter för människor.

AvanceradAutomatisering