· AI Engineer World's Fair 2026
ИИ в вашем lakehouse: контекст — это структуры, а не запросы
AI on Your Lakehouse: Context Comes in Shapes, Not Queries
Граф поверх документов и таблиц хранилища даёт агенту навигацию, которой нет у векторного поиска, особенно для вопросов про всю базу.
- Семантический слой поверх хранилища — граф метаданных NeoCarta описывает таблицы, колонки и связи между ними, а данные из BigQuery не копируются. По этому слою агент формирует SQL-запросы; в демо так собирался список машин, получивших нужную деталь, с разбивкой по маркам.
- Дерево оглавления для документов — загрузка детерминированная, без LLM: иерархия папок, документов и разделов, ссылки между документами и порядок разделов. При тех же исходных файлах перезагрузка даёт тот же граф, а поддерево можно ограничить глубиной или URI.
- Темы без ручной разметки — алгоритм Leiden выделяет группы документов по структуре ссылок, а названия берутся из самих данных, без генерации моделью. По словам авторов, результат стабилен, пока данные не меняются, но если документы плохо названы, темы малоинформативны.
- Поиск того, чего нет в документах — полнотекстовый индекс Lucene с расширением запроса синонимами и фильтром по поддереву URI. В демо так нашли коды неисправностей из записей хранилища, для которых в документации нет описания.
Кому полезно: тем, кто строит агентов поверх хранилища и озера данных и ждёт от них ответов на вопросы уровня всей базы.
Статья по теме
Главы
Ещё доклады: Zach Blumenfeld
Страница спикера →Введение в GraphRAG
AI Engineer World's Fair 2025
Agentic GraphRAG: упрощаем поиск по структурированным и неструктурированным данным
AI Engineer World's Fair 2025
Почему агентам нужны следы принятия решений, а не только документы
AI Engineer Europe 2026
Похожие доклады
Практическое руководство по графам
AI Engineer World's Fair 2026
Близко по содержанию
Context engineering: связываем точки с помощью графов
AI Engineer Code 2025
Близко по содержанию



