Большие языковые модели (LLM) впечатляют — до тех пор, пока это не так. Если вы спросите одну из них о ваших внутренних данных, каталоге продуктов или отзывах пользователей, она либо выдумает ответ, либо признается, что не знает. Решение, к которому прибегают большинство команд, — это генерация с дополненной выборкой (RAG). Она сначала извлекает релевантные данные, вставляет их в запрос в качестве контекста и позволяет модели отвечать на основе этого контекста, а не из памяти.GraphRAG идет еще дальше. Вместо того чтобы извлекать только текстовые фрагменты, он может использовать графовые связи для извлечения связанного контекста, следуя связям между сущностями для построения более богатого и структурированного контекста. Результатом могут быть ответы, основанные как на данных, так и на связях между этими данными.