← Каталог

· AI Engineer Code 2025

Context engineering: связываем точки с помощью графов

Context Engineering: Connecting the Dots with Graphs — Stephen Chin, Neo4j

Связи между фактами в графе знаний дают контекст, который одиночный векторный поиск не соберёт, особенно когда ответ требует нескольких шагов обхода.

  • Многошаговый поиск вместо одного запроса — graphs нужны там, где факты связаны и не достаются одним запросом; для одношаговых вопросов спикер считает обычный векторный RAG достаточным.
  • Агентный обход графа через MCP — агент сначала читает схему графа, затем делает несколько Cypher-запросов и собирает подробный ответ по уязвимости, включая версии для обновления. Спикер показывает это на Claude Code и открытом Neo4j Cypher MCP server.
  • Role-based доступ на уровне графа — права накладываются на узлы и связи, а LLM отвечает только теми данными, которые разрешены роли: врач видит диагнозы, администратор видит контакты пациента.
  • Память агента как граф — сущности и связи хранятся с временными метками и эмбеддингами, поверх них работают векторный поиск и алгоритмы вроде PageRank и community detection.

Кому полезно: тем, кто строит RAG по связанным данным, например по документации, цепочкам поставок или оргструктуре, и упёрся в качество векторного поиска.

Статья по теме

Главы

Ещё доклады: Stephen Chin

Все 6 докладов →

Похожие доклады