GenAI 生态系统

知识图谱为每次生成式 AI 模型交互带来更准确的响应、丰富的上下文和可解释性。通过将知识图谱与原生向量搜索相结合，您可以通过 Graph RAG（检索增强生成）获得两全其美。

语言模型也可用于从非结构化文本中提取实体及其关系，以构建和丰富知识图谱。

如何开始

如果您想了解 LLM 和知识图谱如何结合起来改进 GenAI 应用程序，请查看 GraphAcademy 上的 Neo4j 和 LLM 课程。

Neo4j GenAI 生态系统是工具和集成的集合，使您可以轻松地将 LLM 与 Neo4j 一起使用。

GraphRAG 结合了从非结构化文本中提取实体和关系的摄取过程，并进一步使用图算法进行丰富和总结。然后，检索步骤使用知识图谱结合向量搜索来导航到比初始文本块更相关的信息。

在 Neo4j Labs 中，我们构建了许多工具来演示将图与 LLM 相结合的强大功能。所有这些工具都是开源的，您可以使用和贡献它们，或者学习并构建自己的工具。

Neo4j 与主要云提供商合作，在其平台上创建 GenAI 集成和示例。

Neo4j 添加了许多功能，以便于构建 GenAI 应用程序并将 LLM 与知识图谱集成。

Neo4j 和我们的社区已为许多这些框架贡献了集成。您可以在本节的页面中找到这些集成的概述，以及代码示例、教程等。