· AI Engineer World's Fair 2026
CrabRAG: почему автоматизированным ассистентам нужна графовая память, а не больше токенов
CrabRAG: Why Automated Assistants Need Graph Memory, Not More Tokens
Агентам нужна графовая память: по словам спикера, markdown-файлы и векторный поиск не справляются с цепочками связей.
- Токены на markdown-память — по словам спикера, его агенты загружают около 100K токенов на каждый раунд, потому что грузят всё подряд в надежде, что пригодится.
- Векторы не равны связям — similarity search возвращает похожие, но не связанные факты. В демо с цифровым двойником домашней сети векторная версия не ответила на вопрос о внешне доступных устаревших сервисах, а графовая дала конкретный ответ.
- Гибридный поиск — векторы выбирают стартовые узлы, дальше идёт обход соседей и ранжирование по связанности. Embeddings хранятся прямо в графе Neo4j.
- Объяснимость — ответ можно проверить по подграфу, который в него попал, и по нему править извлечение сущностей и убирать дубликаты узлов.
Кому полезно: тем, кто строит агентов с долговременной памятью и задаёт им вопросы, где ответ лежит в цепочке связанных сущностей.
Статья по теме
Главы
Ещё доклады: Stephen Chin
Все 6 докладов →Ваш PR пишет, что тесты прошли. Докажите это
AI Engineer Code 2026
Практический GraphRAG: как сделать LLM умнее с помощью графов знаний
Stephen Chin, Jesús Barrasa, Michael Hunger
AI Engineer World's Fair 2025
Context engineering: связываем точки с помощью графов
AI Engineer Code 2025
Похожие доклады
Не используйте RAG как память
AI Engineer World's Fair 2025
Близко по содержанию
GraphRAG: объединение графов знаний и RAG
AI Engineer World's Fair 2024
Близко по содержанию

