范志东薛明-Graph+AI：立足DB-GPT社区探索GraphRAG未来架构.pdf

《范志东薛明-Graph+AI：立足DB-GPT社区探索GraphRAG未来架构.pdf》由会员分享，可在线阅读，更多相关《范志东薛明-Graph+AI：立足DB-GPT社区探索GraphRAG未来架构.pdf（33页珍藏版）》请在三个皮匠报告上搜索。

1、范志东 蚂蚁图计算开源负责人图计算布道师，负责TuGraph的开源技术演进、社区运营和商业化等工作。TuGraph Maintainer、DB-GPT GraphRAG作者、自己动手构造编译系统作者。先后就职于腾讯、阿里云、蚂蚁，从事大数据平台、云数据库、图计算相关的产品设计和技术建设。在分布式计算、数据安全管理、数据中台架构、开源布道等领域有丰富的开发和实践经历演讲主题：Graph+AI：立足DB-GPT社区探索GraphRAG未来架构薛明 Percena创始人兼CEO拥有近10年在医疗和零售领域应用机器学习和人工智能的经验。曾就职于通用电气、复星等知名企业。长期专注于医学图像、自然语言处理

2、以及数据科学的研发，包括训练/推理框架、数据挖掘与分析等领域。于2024年7月创立AI产品团队，负责基于大模型的应用产品开发，如 RAG&Agent 等。Graph+AI：立足DB-GPT社区探索GraphRAG未来架构范志东蚂蚁图计算开源负责人薛明 Percena创始人兼CEOGraph+AI 技术浪潮DB-GPT GraphRAG 架构设计从社区来|到社区去DB-GPT GraphRAG+Graph+AI 技术浪潮PART1PART1Why Graph?图(Graph):图谱的图由顶点和它们之间的边构成的数据结构表模型AB12CXDFE项目员工公司员工关系参项关系好友关系亲属关系通讯关系表

3、示实体或概念顶点公司信息表雇佣关系表项目信息表员工信息表好友关系表参项关系表边表示实体和概念之间的关系图模型参与参与受雇好友受雇受雇受雇受雇好友项目X员工C公司2员工A员工B公司1员工D员工E员工F受雇Graph已经是最复杂的数据结构事物的普遍联系性，面向真实世界建模关系的确定性图特征的可解释性How LLM？提示词、微调、RAG函数调用记忆反思Graph+AI 浪潮下：有哪些有意思的研究方向？数据算法应用图数据增强图数据构建图采样知识表示图神经网络图基础模型知识图谱Text2GQL图系统优化GraphRAG智能体Graph+AIKAG人工智能领域的三大流派决策树强化学习KAGLLMAgent

4、s进化算法具身智能AGI？智能控制专家系统GraphRAG神经网络行为主义(感知思维)进化控制连接主义(具象思维)仿生学习符号主义(抽象思维)数理逻辑 适应性强 可解释性差 鲁棒性不足 可解释性强 规模受限 Scaling Law 推理幻觉LLM、RAG、GraphRAG问答示例General Q&A=LLM+Prompt+SFT+RAG+KG+Agent开源GraphRAG发展历史大事记2023.08.16 LlamaIndexfeat:KG RAG query engine,enable Graph RAG on existing KGs#72042024.05.16 DB-GPTfeat

5、:add GraphRAG framework and integrate TuGraph#15062024.08.02 RAGFlow(InfiniFlow)Add graphrag#17932024.05.27 Camel(Camel-AI)feat:knowledge graph agent#5662023.07.02 GraphRAG(Microsoft)A modular graph-based Retrieval-Augmented Generation(RAG)system#github2024.05.29 LLM Graph Builder(Neo4j)Graph view f

6、rom info model#3692024.08.15 Graph Retrieval-Augmented Generation:A Survey(TuGraph)Boci Peng,Yun Zhu,Yongchao Liu,Xiaohe Bo,Haizhou Shi,Chuntao Hong,Yan Zhang,Siliang Tang#arxiv2023.02.13 LangChainHarrion/kg#10162024.04.24 From Local to Global:A Graph RAG Approach to Query-Focuse