آموزش جامع و کاربردی GraphRAG - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• جلوگیری از توهم در اپلیکیشن‌های هوش مصنوعی مولد Prevent GenAI apps from hallucinating

• مثالی از کاربرد گراف‌های دانش در هوش مصنوعی An example of knowledge graphs at work in AI

• ویدیو راهنمای Codespaces Codespaces explainer video

1. گراف‌ها به زبان ساده: درک مفاهیم پایه 1. Graphs Made Simple: Understanding the Basics

• گره‌ها، روابط و ویژگی‌ها Nodes, relationships, and properties

• گراف چیست؟ What is a graph?

• گراف‌های دانش: اتصال اطلاعات به یکدیگر Knowledge graphs: Connecting information

• شناسایی گراف‌ها در زندگی روزمره Recognizing graphs in everyday life

• چگونه گراف‌ها به هوش مصنوعی قدرت می‌بخشند How graphs power AI

• گراف‌ها در مقابل ساختارهای داده‌های سنتی Graphs vs. traditional data structures

• چرا گراف‌ها مفید هستند؟ Why are graphs useful?

2. شروع کار با ابزارهای گرافی 2. Getting Started with Graph Tools

• آشنایی با Neo4j Introduction to Neo4j

• بررسی محیط مرورگر Neo4j Exploring the Neo4j browser

• مبانیانی Cypher: نوشتن اولین کوئری‌ها Cypher basics: Writing your first queries

• بیشتر درباره Cypher: بازیابی گره‌ها و روابط More cypher: Retrieving nodes and relationships

• اتصال پایتون به Neo4j Connecting Python to Neo4j

• راه‌اندازی Neo4j Setting up Neo4j

• تست تنظیمات با کوئری‌های Cypher Testing your setup with Cypher queries

• دیتابیس گرافی چیست؟ What is a graph database?

3. ساخت اولین گراف دانش برای تولید تقویت‌شده با بازیابی گراف (GraphRAG) 3. Building Your First Knowledge Graph for Graph Retrieval-Augmented Generation (GraphRAG)

• مفاهیم کلیدی LangChain برای جریان‌های کاری گرافی Key concepts in LangChain for graph workflows

• مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG) Introduction to Retrieval-Augmented Generation (RAG)

• راهکار: کوئری گرفتن از گراف دانش با Cypher Solution: Query your knowledge graph with Cypher

• بهبود RAG با استفاده از گراف‌ها: GraphRAG Improving your RAG with graphs: GraphRAG

• نحوه عملکرد RAG با Vector Embeddings How RAG works with vector embeddings

• چالش: کوئری گرفتن از گراف دانش با Cypher Challenge: Query your knowledge graph with Cypher

• نمای کلی از LangChain Overview of LangChain

• پر کردن گراف دانش در Neo4j با استفاده از LangChain Populating a knowledge graph into Neo4j using LangChain

4. اتصال گراف‌های دانش به هوش مصنوعی مولد 4. Connecting Knowledge Graphs to Generative AI

• استفاده از گراف‌های دانش در خط لوله GraphRAG Using knowledge graphs in a GraphRAG pipeline

• ساخت خط لوله GraphRAG با LangChain برای کوئری گرفتن از داده‌ها Creating a GraphRAG pipeline with LangChain to query your data

• راهکار: ارزیابی اپلیکیشن GraphRAG شما Solution: Evaluate your GraphRAG application

• مقایسه نتایج GraphRAG با RAG سنتی مبتنی بر وکتور Comparing the GraphRAG results to a traditional vector-based RAG

• غنی‌سازی گراف دانش با داده‌های جامع‌تر Enhancing your knowledge graph with richer data

• چالش: ارزیابی اپلیکیشن GraphRAG شما Challenge: Evaluate your GraphRAG application

• ارزیابی خط لوله GraphRAG Evaluating your GraphRAG pipeline

5. جمع‌بندی عملی: ساخت یک ربات پاسخ‌گوی GraphRAG 5. Putting It All Together: Creating a Question-Answering Bot with GraphRAG

• بررسی گام‌به‌گام راهکار پروژه نهایی Walkthrough of capstone solution

• مقدمه‌ای بر پروژه نهایی Introduction to capstone project

جمع‌بندی نهایی Conclusion

• ادامه مسیر با گراف‌های دانش، GraphRAG و هوش مصنوعی مولد Continuing on with knowledge graphs, GraphRAG, and GenAI