Краткий обзор: цели и главные выводы

О чём урок

Этот notebook представляет собой практическое руководство по созданию темпорально-ориентированных графов знаний и выполнению многошагового поиска непосредственно по этим графам.

Он предназначен для инженеров, архитекторов и аналитиков, работающих с темпорально-ориентированными графами знаний. Независимо от того, занимаетесь ли вы прототипированием, развертыванием в масштабе или исследованием новых способов использования структурированных данных, вы найдете практические рабочие процессы, лучшие практики и фреймворки для принятия решений, которые ускорят вашу работу.

В этом руководстве представлены два практических рабочих процесса, которые вы можете использовать, расширять и развертывать немедленно:

1. Создание темпорально-ориентированного графа знаний (KG) Ключевая задача при разработке систем ИИ, основанных на знаниях, заключается в поддержании актуальности и релевантности базы данных. В то время как большое внимание уделяется повышению точности поиска с помощью таких методов, как семантическое сходство и переранжирование, это руководство сосредоточено на фундаментальном, но часто упускаемом из виду аспекте: систематическом обновлении и проверке вашей базы знаний по мере поступления новых данных. Независимо от того, насколько продвинуты ваши алгоритмы поиска, их эффективность ограничена качеством и актуальностью вашей базы данных. Это руководство демонстрирует, как регулярно проверять и обновлять записи графа знаний по мере поступления новых данных, помогая гарантировать точность и актуальность вашей базы знаний.
2. Многошаговый поиск с использованием графов знаний Узнайте, как комбинировать модели OpenAI (такие как o3, o4-mini, GPT-4.1 и GPT-4.1-mini) со структурированными запросами к графам через tool calls, позволяя модели обходить ваш граф за несколько шагов по сущностям и связям. Этот метод позволяет вашей системе отвечать на сложные, многогранные вопросы, требующие рассуждений по нескольким связанным фактам, выходя далеко за рамки того, что может обеспечить одношаговый поиск.

Внутри вы найдете:

• Практические фреймворки для принятия решений по выбору моделей и техник prompt на каждом этапе
• Готовые к использованию примеры кода для легкой интеграции в ваши ML- и data-пайплайны
• Ссылки на подробные ресурсы по использованию OpenAI tool, fine-tuning, выбору графовой СУБД и многому другому
• Четкий путь от прототипа…

План урока

1. 1.1. Цель и аудитория
2. 1.2. Основные выводы
3. Создание темпорально-ориентированного графа знаний с темпоральным агентом
4. Многошаговый поиск по графу знаний
5. От прототипа к production
6. 2.1. Предварительные требования
7. 3.1. Представляем нашего темпорального агента
8. 3.1.1. Ключевые улучшения, представленные в этом руководстве