LLMをもっと賢くする：ナレッジグラフ実践入門

「ChatGPTは賢いのに、なぜ業務では使いにくいのか」。その答えがナレッジグラフにあります。本書は、RAGだけでは解けない問題の正体を明らかにし、ナレッジグラフがLLMに何をもたらすかを、入門から世界の活用事例、実装アーキテクチャ、AI Agentとの統合まで一気通貫で解説します。エンタープライズ規模でのKG実装は難しい。だからこそ、何が難しいのかを正確に理解することが第一歩です。

[airj12]

KGの構築が80万単価のエンジニア1人で出来るとは到底思えない、というかそれが出来るエンジニアは80万では維持できない気がする

[otoan52]

まあ、現実的な近似値がベクトル検索なんだろうな。観点ごとの要約をそれぞれ別のベクトルインデックスにするとか、そっちの方が実務上は正しい気がする。

[glass-_-onion]

OSMの道路情報データにナレッジグラフが使われていたような。

[misshiki]

LLMが業務で使いにくい理由をナレッジグラフで解説。RAGの限界やKGの役割、実装方法、AIエージェントとの統合まで体系的に整理した入門書。

[mkusaka]

無料のZenn本で、RAGだけでは解けない95%失敗の要因をKGで解説しDocker実装まで一気通貫。

[khtno73]

“DevRev日本人として一人目のエンジニア” DefJam Japan第1号契約アーティストみたいな人やな

[kiririmode]

ナレッジグラフとRAGとの併用でXAIを実現しやすくなる。両者は対立軸ではなく補完軸で構成される

[RySa]

CNNとTransformerでLLMになった後にぐるっとエキスパートシステムに戻ってきた感じ？歴史は繰り返すね。

[morimarii]

これが機能するシーンはかなり限定的な気がする。。

[atsuchickun]

仕事

[oooooo4150]

おもろ。丁度RAG＋LLMだけやってみた->Reranker噛ましてみてもまだイマイチのステップにいたからメッチャ参考になった。

[morioka]

最初の課題が、スキーマ定義と名寄せ

[asamaru]

まさにこれをやってます

[yottsusan]

良いリファレンス

[jintrick]

LLM meets RDF

[bfoj]

「ポイント： ベクトルDBとKGは競合するものではなく、補完関係にあります。｣