VibeCoding Japan 文章归档
Article archive

文章归档

支持对已公开的 136 篇文章进行关键词模糊搜索、分类与标签筛选。

# GraphRAG · 共 3 篇文章

清除条件
AI 动向 5 分钟

RAG、GraphRAG、LLM Wiki 与 Ontology:四种知识库技术怎么选

四种技术解决的不是同一个问题:LLM Wiki 整理个人资料,RAG 做企业文档问答,GraphRAG 追踪跨文档的实体关系,Ontology 统一多系统的业务语义。文章用项目 A 的同一组例子拆开原理、边界与组合方式,并说明两种「图谱」为什么不是一回事。

AI 动向 5 分钟

智能体缺的不是更聪明的模型,而是“懂业务”

AI 智能体难以在企业中可靠行动,原因往往不是模型推理能力,而是缺少业务知识。Neo4j 发布的 Context Engine 用六层业务本体,把流程、术语、数据位置、权限与历史决策组织成一张图,并以 GraphRAG 检索和记忆学习支撑智能体。本文梳理其思路,也讨论 private preview 阶段仍需验证的问题。

行业新闻 7 分钟

给 AI Agent 补上业务语义层:本体、OBDA 与 MCP 落地实践

把表结构塞进提示词,并不能让 AI Agent 理解业务含义,它照样会给出看起来很专业、实际却算错的数字。本文以保险业基准测试中 GPT-4 执行准确率从约 16% 提升到约 54% 为例,讲清由指标、本体和文档组成的语义层,如何通过 OBDA(虚拟知识图谱)把本体直接映射到现有数据,并用分层解析兼顾确定性与灵活性。文章还介绍了用 AWS Context Ontology Accelerator 让 AI 起草本体、专家审核,以及 MCP 与身份感知的治理和五条实践建议。