#graphrag — Public Fediverse posts

Жители Валдории живут 147 лет, а страна граничит с Германией и Японией одновременно. Исследование MiroFish. Часть 2

Вторая статья из трёх об исследовании MiroFish, открытого стека мультиагентной симуляции общества. В первой части изложены методология исследования и находка Silent Failure. В этой части: досье вымышленной страны с восемью классами заложенного абсурда, четыре байт-идентичных прогона с разными результатами и пре-регистрированный эксперимент, который локализовал причину.

https://habr.com/ru/articles/1067384/

#MiroFish #GraphRAG #Neo4j #LLM #галлюцинации #аудит #воспроизводимость #мультиагентные_системы

Что будет если загрузить в «симулятор общества» чистый lorem ipsum? Большое исследование MiroFish, часть 1

Первая статья из трёх об исследовании MiroFish, открытого стека мультиагентной симуляции общества. В этой части: стек, методология и находка Silent Failure. Бэкенд зафиксировал отказ за десятки миллисекунд, статусный API отдал задачу как выполненную, а индикатор прогресса не отвечал более часа.

https://habr.com/ru/articles/1066548/

#MiroFish #GraphRAG #LLM #Neo4j #аудит #воспроизводимость #тестирование #мультиагентные_системы

This is a very good book: brief, information rich and you can use the code for production if you must.
#RAG #LLM #GraphRAG #AI

a.co/d/06Xrz8iGq%...

This is a very good book: brief, information rich and you can use the code for production if you must.
#RAG #LLM #GraphRAG #AI

a.co/d/06Xrz8iGq%...

This is a very good book: brief, information rich and you can use the code for production if you must.
#RAG #LLM #GraphRAG #AI

https://a.co/d/06Xrz8iGqà

This is a very good book: brief, information rich and you can use the code for production if you must.
#RAG #LLM #GraphRAG #AI

https://a.co/d/06Xrz8iGqà

AWS deployed a GraphRAG architecture using Amazon Neptune and Bedrock to map fragmented medical data into queryable networks and speed up drug research by 87 percent. https://www.artificialintelligence-news.com/news/aws-graphrag-deployment-cuts-drug-research-cycles-by-87/ #aws #graphrag #medicine #pharmatech #ai #technology

AWS deployed a GraphRAG architecture using Amazon Neptune and Bedrock to map fragmented medical data into queryable networks and speed up drug research by 87 percent. https://www.artificialintelligence-news.com/news/aws-graphrag-deployment-cuts-drug-research-cycles-by-87/ #aws #graphrag #medicine #pharmatech #ai #technology

#RAG gave #LLMs access to external knowledge - but standard retrieval systems still struggle.

#GraphRAG takes a different approach by using knowledge graphs to map entities, relationships, and provenance. The result?

Watch the #InfoQ video by Cassie Shum to find out: https://bit.ly/4vc50TK

#AI #KnowledgeGraphs #LLMs

#RAG gave #LLMs access to external knowledge - but standard retrieval systems still struggle.

#GraphRAG takes a different approach by using knowledge graphs to map entities, relationships, and provenance. The result?

Watch the #InfoQ video by Cassie Shum to find out: https://bit.ly/4vc50TK

#AI #KnowledgeGraphs #LLMs

SciGraph: как я учил ИИ читать научные статьи не только по словам, но и по связям

SciGraph показывает, почему GraphRAG для научных статей — это не только про графы и LLM, но и про честные метрики. В статье — разбор системы, которая связывает PDF, авторов, методы и цитирования, а заодно показывает, как красивая архитектура ломается на реальных вопросах исследователя. Читать кейс

https://habr.com/ru/companies/otus/articles/1037114/

#GraphRAG #RAG #LLM #NLP #граф_знаний #научные_статьи #извлечение_знаний #цитирования #оценка_качества #F1метрика

RAG в enterprise: 70-80% проблем не в модели, а в данных

Эта статья родилась из работы над

https://habr.com/ru/companies/alpinadigital/articles/1036196/

#RAG #enterprise_AI #retrieval_augmented_generation #embeddings #GraphRAG #Agentic_RAG #BM25 #chunking #LLM #AlpinaGPT

10 актуальных RAG-подходов: какие реально полезны и когда их применять?

Всем привет, на фоне обновлений в LLM-стеке за последний год, решил собрать практический список RAG-подходов, которые реально используются в продакшене на основе моего опыта и того что я изучал в других кейсах.

https://habr.com/ru/articles/1029616/

#aiразработка #rag_ai #rag_pipeline #retrieval_augmented_generation #llm #llmмодели #vector_search #hybrid_search #graphrag #multimodal

Ваш RAG не умеет думать. А мой умеет

Привет, Хабр! Базовые RAG-системы уже научились неплохо справляться с прямыми вопросами по тексту. Но только если ответ лежит в одном конкретном абзаце, а вопрос сформулирован почти так же, как сам исходный документ. Попробуйте заставить систему связать факты из трёх разных источников или сделать банальный логический вывод. В большинстве случаев результат будет неутешительным. А уж про поиск скрытых связей я даже спрашивать боюсь. Сегодня рассмотрим open-source RAG-фреймворк HippoRAG 2 . В сфере RAG главным преимуществом данного фреймворка является качество ответов, потому что принципы его работы основаны на реальном человеческом мозге . Давайте разберёмся, откуда он взялся, как устроен изнутри и как его запустить.

https://habr.com/ru/companies/ruvds/articles/1025812/

#rag #rag_ai #rag_pipeline #rag_система #HippoRAG #исскуство #ai #graphrag #ruvds_статьи

Knowledge graphs are useful representations for knowledge bases, #pkm, #AImemory systems, #GraphRAG, intelligent tutoring systems, etc., and usually implemented in graph databases. LadybugDB, a fork of the discontinued Kuzu, is a lightweight embedded (like SQLite) graph database: https://github.com/LadybugDB/ladybug
Sample applications in development: https://github.com/inventivepotter/dotmd & https://github.com/tejzpr/Smriti-MCP
See also Grafeo: https://github.com/GrafeoDB/grafeo
#AIEd #AIEngineering #KnowledgeGraph #GraphDB #graphdatabase

Knowledge graphs are useful representations for knowledge bases, #pkm, #AImemory systems, #GraphRAG, intelligent tutoring systems, etc., and usually implemented in graph databases. LadybugDB, a fork of the discontinued Kuzu, is a lightweight embedded (like SQLite) graph database: https://github.com/LadybugDB/ladybug
Sample applications in development: https://github.com/inventivepotter/dotmd & https://github.com/tejzpr/Smriti-MCP
See also Grafeo: https://github.com/GrafeoDB/grafeo
#AIEd #AIEngineering #KnowledgeGraph #GraphDB #graphdatabase

LLM — поиск товаров

LLM-поиск товаров: R&D применения технологий RAG и Knowledge Graph Search для продвинутого поиска товаров по сложным текстовым запросам. Как LLM и Knowledge Graph ищут товары

https://habr.com/ru/articles/1018860/

#LLM #RAG #Knowledge_Graph #ML #GraphRAG #Graph_Search

Книга: «Основы GraphRAG. Улучшенный RAG на базе графов знаний»

Привет, Хабожители! Создайте и разверните систему GraphRAG производственного уровня. Научитесь извлекать структурированные знания из текста и комбинировать методы векторного поиска с поиском по графам. Книга богата практическими примерами: от создания инструмента поиска по векторному сходству и приложения Agentic RAG до оценки эффективности и точности результатов работы такого приложения.

https://habr.com/ru/companies/piter/articles/1013810/

#rag_ai #retrieval_augmented_generation #llm #graphrag

MS GraphRAG, Ollama и немного киберпанка

Здравствуйте. Несколько лет глубоко погружён в тему корпоративных RAG-систем. В последнее время, как от коллег, так и от заказчика часто слышу, что векторный поиск это слабое место и вчерашний день, и что нас спасут только графовые системы. Нашел несколько постов и видео на эту тему. Захотелось попробовать. В статье делюсь своими впечатлениями, рефлексирую и рассказываю как воспроизвести эксперименты. Почему Ollama? Выделение вычислительных ресурсов на RAG в проекте - отдельная больная тема. Мне нужно было понять нижнюю планку. Если коротко, кое-как работает даже на 4b моделях. Причём здесь киберпанк? Очень нравится этот жанр, а ещё я люблю использовать для проверки RAG/LLM штук знакомые тексты. Для экспериментов с Microsoft GraphRAG я выбрал рассказ "Johnny Mnemonic" Уильяма Гибсона, для начала на английском.

https://habr.com/ru/articles/1014316/

#rag #graphrag #ollama #cyberpunk #gephi #litellm

Going live today, 20:00 CEST 🚀

Jennifer Reif (@neo4j) and I are adding graph traversal on top of vector search and seeing what breaks (and what gets better). Expect a bit of chaos.

Join us 👇
https://youtube.com/live/KUcZL2yHjGU
#GraphRAG #LangChain4J

Going live today, 20:00 CEST 🚀

Jennifer Reif (@neo4j) and I are adding graph traversal on top of vector search and seeing what breaks (and what gets better). Expect a bit of chaos.

Join us 👇
https://youtube.com/live/KUcZL2yHjGU
#GraphRAG #LangChain4J

Final day at #SWAT4HCLS at AmsterdamUMC! Great to be here with Helmholtz KG team from HMC Hub Information & Health 🚀

Highlights included:
– Tutorials on #GraphRAG, SPARQL & provenance
– Inspiring keynotes by Hannah Bast (QLever) & Janna Hastings (LLMs)
– A buzzing poster session with fantastic discussions

And today we’re presenting:
👉 The Helmholtz Knowledge Graph
– building a semantic interoperability layer across @helmholtz

Come by and chat with us 🙌

@swat4hcls
#KnowledgeGraph #Helmholtz

Final day at #SWAT4HCLS at AmsterdamUMC! Great to be here with Helmholtz KG team from HMC Hub Information & Health 🚀

Highlights included:
– Tutorials on #GraphRAG, SPARQL & provenance
– Inspiring keynotes by Hannah Bast (QLever) & Janna Hastings (LLMs)
– A buzzing poster session with fantastic discussions

And today we’re presenting:
👉 The Helmholtz Knowledge Graph
– building a semantic interoperability layer across @helmholtz

Come by and chat with us 🙌

@swat4hcls
#KnowledgeGraph #Helmholtz

🧵2/5 🌳 Folders as Semantic Context.

Not everyone builds their vault purely with tags. If you map your mind using strict folder hierarchies, the Graph Engine can now treat your directory structure as native #semantic information—matching your existing #ontology automatically. Minimal effort for massive structural accuracy.

#GARS #GraphRAG

I keep hearing about #GraphRAG vs classic #RAG …but what actually changes?

I’ll be figuring it out live with Jennifer Reif from @neo4j and asking all the naive questions. If you’ve got some, bring them here https://youtube.com/live/KUcZL2yHjGU

I keep hearing about #GraphRAG vs classic #RAG …but what actually changes?

I’ll be figuring it out live with Jennifer Reif from @neo4j and asking all the naive questions. If you’ve got some, bring them here https://youtube.com/live/KUcZL2yHjGU

Графы знаний в юридическом домене: как не потерять сложность при построении RAG-системы

Ни одна современная AI-система в юридическом домене не обходится без RAG: юридические данные слишком специфичны, слишком изменчивы и никогда слишком редко составляли значимую часть обучающей выборки LLM, чтобы доверять ей без внешней базы знаний. Обычно при построении RAG-системы используют модуль поиска, основанный на векторных БД. Однако в таких сложно организованных областях знаний, как юридическая, архитектура, основанная на поиске в хранилище "плоских" эмбеддингов, может не справиться. Векторный поиск позволяет находить семантически близкие (схожие) фрагменты текстов, тогда как юридический домен также требует понимания многочисленных связей между сущностями , рассеянными по множеству документов . Кажется, что область знаний, организованная таким образом, идеально может быть представлена в виде графа знаний, особенно после появления современных инструментов, позволяющих автоматически строить такие графы на тысячах документов и использовать их в качестве хранилища знаний для RAG-систем. Однако все имеет свою цену: неполнота или неточность построенного графа может свести на нет все вложенные ресурсы и оставить вас с системой, которая хуже "наивного" векторного поиска. Какие преимущества поиска по графу знаний по сравнению с классическим векторным поиском, а также каковы критерии, когда использование графового поиска действительно необходимо для построения RAG-системы в юридическом домене?

https://habr.com/ru/articles/1012556/

#RAG #retrievalaugmented_generation #ai #artificial_intelligence #llm #large_language_models #vector_database #graph_database #knowledge_graphs #graphrag

AAF: Архитектура автономного ИИ-агента с GraphRAG, EventBus и Docker-песочницей

В нашем сообществе уже не первый день живёт агент @vega_exactly_not_ai . Его создатель @th0r3nt открыл исходный код на GitHub - чтобы мы вместе могли решить фундаментальные проблемы. На сегодня это самое стабильное решение автономного агента с личным Telegram-аккаунтом. Создатель попросил рассказать об архитектуре и поставить ряд вопросов перед сообществом. Думаю, вместе мы способны разобраться. Большинство современных Open-Source фреймворков для создания ИИ-агентов (от AutoGPT до недавнего OpenClaw) страдают от ряда детских болезней. Во-первых, это амнезия: агент теряет контекст спустя десяток шагов, так как векторные базы данных превращают память в кашу из семантически похожих, но логически не связанных кусков текста. Во-вторых, это зацикливание в бесконечных ReAct-петлях. В-третьих - ужасная безопасность при выполнении сгенерированного кода прямо на хостовой машине. В этой статье я хочу разобрать архитектуру Autonomous Agent Framework (AAF) - моего pet-проекта, который перерос в полноценную OS-level сущность на Python. Главная идея AAF: агент не должен быть просто скриптом, ожидающим промпта. Это должен быть долгоживущий асинхронный процесс с гибридной памятью, шиной событий и собственной изолированной средой для запуска субагентов.

https://habr.com/ru/articles/1010522/

#opensource #openclaw #agentos #agent #python #vector_database #graphrag #aiагенты #агенты_ии #docker_swarm

#ITByte: #GraphRAG (Graph Retrieval-Augmented Generation) is an advanced AI framework developed by Microsoft that enhances LLMs by using knowledge graphs to connect, retrieve, and summarize information across large, complex, or disconnected datasets.

https://knowledgezone.co.in/posts/GraphRAG-69abf265b300fbd8a05b3bf5

📰 GraphRAGを実際に構築して分かった「使うほど賢くなるAI」の仕組み (👍 30)

🇬🇧 Explains how GraphRAG makes AI smarter by connecting knowledge through graphs, beyond simple document retrieval in traditional RAG systems
🇰🇷 전통적 RAG의 한계를 넘어 GraphRAG가 지식 그래프로 정보를 연결해 AI를 더 똑똑하게 만드는 원리 설명

🔗 https://zenn.dev/okikusan/articles/0f8295e7ecaa19

#GraphRAG #AI #KnowledgeGraph #Zenn

GibRAM an in-memory ephemeral GraphRAG runtime for retrieval

https://github.com/gibram-io/gibram

#HackerNews #GibRAM #GraphRAG #in-memory #runtime #retrieval #ephemeral #technology

Ok I DID end up building a minimum viable GraphRAG implementation...To be finalised (and a CLI tool 🤓). But here's how to do it in and how it works.

https://www.mostlylucid.net/blog/graphrag-minimum-viable-implementation

Uses a different approach with ONNX / BERT, BM25, TF-IDF THEN the LLM. Not as good but ALSO doesn't do HUNDREDS of LLM calls for each document.

So instead of paying TONS for OpenAI credits, do it on your laptop with Ollama.

#graphrag #rag #localllm #ollama

More because I was interested last night (someone put the entire life sciences corpus in GraphRAG) I decided to take a look an play with code so here ya go. Probably WON'T implement it on the live site (unless I figure out how to make it perform!) but it's a fascinating approach. A MASSIVE cross-internet GraphRAG seems like the end goal with this technology. THAT would be stunning! All LLM models beign able to access a whole internet corpus INSTANTLY!!
Hopefully like MANY MSR projects this won't just be used to hoover up patents and stifle competition...but it likely WILL.

GraphRAG: Why Vector Search Breaks Down at the Corpus Level
https://www.mostlylucid.net/blog/graphrag-knowledge-graphs-for-rag

#llm #rag #graphrag #csharp

Advanced RAG: LongRAG, Self-RAG and GraphRAG Explained:
https://www.glukhov.org/post/2025/11/advanced-rag-variants-longrag-self-rag-graphrag/
#RAG #longrag #selfrag #graphrag #python #ai #llm

FalkorDB’s GraphRAG just outperformed traditional vector retrieval by 3.4× on structured benchmarks. By blending LLM reasoning with schema‑aware graph constraints, it delivers faster, more accurate results for hybrid data pipelines. Curious how hybrid approaches and metadata handling give this edge? Dive into the details. #FalkorDB #GraphRAG #LLM #VectorRetrieval

🔗 https://aidailypost.com/news/falkordb-graphrag-beats-vector-retrieval-34-structured-benchmarks