· 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
Графы знаний в litigation-агентах
AI Engineer World's Fair 2025
Близко по содержанию
Введение в GraphRAG
AI Engineer World's Fair 2025
Близко по содержанию
GraphRAG: объединение графов знаний и RAG
AI Engineer World's Fair 2024
Близко по содержанию
Агентный GraphRAG: логическое преимущество ИИ
AI Engineer World's Fair 2025
Близко по содержанию

