微信扫码
添加专属顾问
我要投稿
先简单说下 RAG 和 Graph RAG的区别。
以把小说作为知识库为例。
RAG,会把小说分块,然后把每块向量化,之后用户提问,根据提问的问题,找到最相似的分块,最后把这些分块,发送给AI模型,最后,AI模型给出答案。
Graph RAG,会把小说中,拆分出节点和边。
节点,可以理解为是一个人物,如:主角。
边,可以理解为,节点和节点间的关系,用来连接节点。
然后,找到最相似的节点,遍历这个节点的上下关系,这个上下关系,可能和你问题的语义,完全不相关,所以普通RAG是搜不出来的。
最后,给AI模型,得出答案。
所以区别就是,Graph RAG给AI模型的语料,会包含更加详细的信息。
然后,进入正题,百度千帆平台,有完全免费的模型。
这种标着免费使用的模型,有着使用的限制,我用到的是下面的模型。
这里提示无需开通,也没标记使用限制。
具体如何对接,请自行查看文档,目前我还在开发的"多样智能",已经给出了web版页面配置。
配置好了之后,看下对话效果,我感觉这个免费的模型,对话效果不好。
最后我解析了小说"飞升之后",前24000字,构成了这样的知识图谱。
放大看看
这是我优化后结果,刚开始对接这个模型的时候,生成的图谱一塌糊涂。
看下搜索的结果。
我没有测试过openai构建的知识图谱,有钱的小伙伴可以也解析下,比较下,据我了解,使用openai构建的知识图谱很贵。
如果是本地搭建了ollama等平台,由于每台电脑配置不同,这里不测试了,反正我自己实验了下,就放弃了,太慢了。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-05-22
四种索引,一个系统,重新定义 AI 如何理解知识
2026-05-22
腾讯云Agent Memory节省61% Token提升52%成功率的诀窍:Mermaid无限画布×上下文卸载
2026-05-22
企业知识库下半场:从 RAG 到 context architecture
2026-05-22
每个RAG工程师都应该了解的Ranking技术
2026-05-21
清华提出NaviRAG:让RAG学会"主动导航",长文问答F1涨4.8分
2026-05-20
AIOps探索:给不能联网的客户做一个AI运维助手到底有多难?
2026-05-18
别再错过啦,AI Agent记忆革命:95.2%检索率的持久记忆系统深度解析
2026-05-18
有多少人把Agent与RAG的检索策略,简化成了 if-else?
2026-03-23
2026-04-06
2026-03-18
2026-03-20
2026-02-27
2026-03-21
2026-04-27
2026-03-31
2026-04-02
2026-03-17
2026-05-20
2026-05-18
2026-05-11
2026-05-07
2026-05-06
2026-04-27
2026-04-21
2026-03-17