（英文可关闭）吴恩达《知识图谱用于RAG|Knowledge Graphs for RAG》中英字幕

蜜蜂大王:
感觉不但是Graph，其实可以使用任何类型的数据库来增强prompt，看来核心不是用什么类型数据库，而是如何通过LLM把额外信息（假设是整个维基百科，或者整个github）转化成指定的数据格式，再通过LLM来操作该数据库获取其认为有用的信息，再拼接到prompt中，可以是通过一种数据库来实现，也可以同时用多种数据来实现，LLM的上下文长度越来越大，速度越来越快，智力越来越高，成本越来越低，那么LLM的应用的发展上限很高，机会很多[脱单doge]

听听你的呼吸:
Neo4j硬广。一般垂直领域的kg不会有很好的质量，所以可用性存疑。无限制的进行prompt工程貌似也不能全面的解决用户提出的奇怪问题。

【回复】复杂问题还在于LLM本身的推理能力，目前来看，即便gpt-4其实也只能解决小片段问题，仍然需要人类自己拆解问题、描述问题，并且反馈迭代。 还没用过gpt-4-32k，长文本+RAG+agent可能好一点，不过仍然少不了人类不断干预。
圣西罗的草皮:
KG这块目前确实算是冷门，可以当成是一个备用武器。

【回复】其实知识图谱早两年还挺火的……那时候我老师漆桂林还有点风头。
【回复】回复 @withyouz :不算吧，在结构上应该都算prompt，无非是寻找额外知识的方式不一样。数学上是不是等价，我就不知道了。
【回复】回复 @GPT中英字幕课程资源 : 我很好奇是否可以认为知识图谱在某种意义上等效于一个被引入的fully connected层，只不过对与知识图谱它的参数是人为精心构建的，这个FC层相当于为模型引入了一种结构化分解问题的先验知识，的当然传统的RAG的那种向量数据库更是linear 的FC
MrChenFr:
json文件地址[脱单doge]：https://github.com/ArkadiyShuvaev/Knowledge-Graphs-for-RAG---Neo4j/tree/master/lesson%204%20-%20form10k

夜猫LZMS:
太好了，英文字幕终于可以关闭了[笑哭]

【回复】回复 @冷秋月 :看官网就好了
【回复】回复 @GPT中英字幕课程资源 : 现在变成中文字幕挡住内容
Atlantis_qq:
CYPHER_GENERATION_TEMPALTE定义了两个参数，schema，question，chain的时候也是这么定义了两个参数，但是为什么在推理的时候没有传递这个参数也不会报错，且不太懂这个参数的意义是什么

只想暴富的wtt_:
那个json文件有大佬下载好的吗 求分享！！！[跪了]

六里大可:
请问genai的插件是只能用于企业版么？在社区版5.15.0版本填充向量索引时识别不到genai.vector.encode语句

梅川秋库鸭:
知识图谱的rag用法现在都是text2cql和graph rag那种嵌入吗？感觉前者鲁棒性低，拆解问题的时候难以达到真正的意图&多跳也难解决；后者，和向量数据库差别大吗？构造成本上可是天差地别

GPT中英字幕课程资源:
😂老有人说字幕挡住代码，但官网的视频设计是左边代码，右边视频。所以看的时候，打开官网运行代码就好了，既可以运行代码，也可以下载代码。