Andrew Ng推广Agentic知识图谱构建课程

通过让一队智能体提取并连接你的参考材料到知识图谱中，来构建更好的RAG。我们的新短期课程“Agentic知识图谱构建”由Neo4j创新负责人@akollegger教授，向你展示如何做到。

知识图谱是准确存储信息的重要方式，但手动构建工作量很大。

在本课程中，你将学习如何构建一队智能体，将数据——本例中为供应商的产品评论和发票——转化为实体和关系的结构化图谱，用于RAG。

了解智能体如何自动处理构建图谱的耗时工作——提取实体和关系（例如，产品“包含”组件，零件“由”供应商“供应”，客户评论“提及”产品），去重，事实核查，并将其提交到图数据库中——以便你的检索系统能够找到正确的信息来生成准确的输出。例如，你可以使用智能体帮助将客户投诉直接追溯到特定供应商、制造流程和产品层级，从而将碎片化的信息转化为可查询的商业智能。

你将获得的技能：
- 使用Neo4j图数据库构建、存储和访问知识图谱
- 使用Google的Agent开发工具包（ADK）构建多智能体系统
- 设置一个智能体工作流循环，通过事实核查来提出并优化图模式
- 将非结构化和结构化数据的智能体生成图谱连接到一个统一的知识图谱中

本课程深入实践了为什么知识图谱比单独的向量搜索能提供更准确的信息检索，尤其是在高风险应用中，精确度比模糊相似匹配更为重要。

在此报名：
https://deeplearning.ai/short-courses/agentic-knowledge-graph-construction