· AI Engineer World's Fair 2026
Практическое руководство по графам
A Practitioner's Guide to Graphs - Tim Ainge, Good Collective
Граф окупается там, где ответ лежит в связях между сущностями, а качество зависит от схемы извлечения и нормализации узлов.
- Схема вместо свободных троек — извлечение по заданной схеме даёт согласованные типы узлов и связей, по которым можно строить запросы. Правила нормализации названий и единиц измерения в онтологии нужны не меньше самой схемы.
- Матчинг сущностей через embeddings — варианты вроде «чеснок», «измельчённый чеснок» и «зубчик чеснока» сопоставляются с существующими узлами без заранее известного списка ингредиентов. По словам спикера, такой гибрид графовых и AI-техник даёт лучший результат из показанных.
- Personalized PageRank — случайный обход с телепортацией к стартовому узлу выделяет узлы, сильнее связанные с ним, и особенно полезен в плотных кластерах. Примеры в докладе: Pinterest Pixie и HippoRAG.
- Shortest path для контекста в коде — подграф между двумя известными символами даёт контекст, который не находят vector search и поиск по отдельным символам. По словам автора, на .NET-кодовой базе число tool calls для поиска по коду снизилось на 40%.
Кому полезно: тем, кто строит retrieval по коду или документам со ссылками и видит, что одного векторного поиска не хватает.
Статья по теме
Главы
Похожие доклады
Графы знаний в litigation-агентах
AI Engineer World's Fair 2025
Близко по содержанию
ИИ в вашем lakehouse: контекст — это структуры, а не запросы
Zach Blumenfeld, Ben Squire, Ryan Knight
AI Engineer World's Fair 2026
Близко по содержанию
CrabRAG: почему автоматизированным ассистентам нужна графовая память, а не больше токенов
AI Engineer World's Fair 2026
Близко по содержанию
Не используйте RAG как память
AI Engineer World's Fair 2025
Близко по содержанию
