← Каталог

· AI Engineer World's Fair 2025

Масштабируемая генерация, дополненная знаниями и мудростью

Wisdom-Driven Knowledge Augmented Generation at Scale

Граф знаний, связанный с обратной связью, по словам спикера, отвечает на многошаговые и числовые вопросы там, где vector RAG возвращает только фрагменты текста.

  • Числа вместо абзацев — vector RAG плохо справляется с расчётами: он находит похожий текст, а не значение. Если данные лежат в графе в структурированном виде, запрос выбирает нужные показатели и считает их функцией, поэтому ответ опирается на доказательство, а не на найденный абзац.
  • Граф строится гибридно — полностью автоматическое извлечение графа через LLM даёт шум. Спикер предлагает сначала извлечь граф моделью, а затем вместе с экспертом предметной области отсечь лишние связи.
  • Агент-супервизор над моделями — в n8n агент-супервизор ведёт остальных агентов по состояниям, например агент инсайтов собирает настроения из соцсетей и пишет их в общий граф. Модель при этом можно менять между OpenAI, Anthropic и локальной.

Кому полезно: тем, кто строит советующих агентов для аналитики конкурентов или финансовых вопросов и упирается в то, что RAG отдаёт абзацы вместо расчётов.

Статья по теме

Главы

Похожие доклады