X2046

我认为基于这些工具你可以实现时下大火的 Deep Research 和类似多智能体工具 Manus。

Markify微软 markitdown 和 MinerU 优势的工具。Markify不仅能将各种文件转化markdown格式，还借助mineru高效精准解析PDF，也巧妙绕过AGPL传染问题无缝集成

继上文《深度解析仿人脑记忆搜索的 HippoRAG2》，我们已经对 HippoRAG2 有了基本的了解。本篇将更聚焦于实践部分，探讨如何配置和运行 HippoRAG2，包括测试评估和索引自定义文档等

持续获取、组织和利用知识的能力是人类智能的关键特征，而 AI 系统若想充分发挥潜力，也必须具备这一能力。近期，一些 RAG 方法通过引入知识图谱等结构来增强对信息的理解和联想能力，部分弥补了这些不足。

想必很多同学已经试用或者看过 DS 的深度思考能力了，本文的目的不是为了演示，而是探究 DS 背后的思考的逻辑，并尝试编写 Prompt 让 DS 自己推导思考过程，用魔法打败魔法。

GraphRAG索引消耗Token巨大，所以你可能会问？新增文件后，我之前的文件会不会重新索引一次啊？什么情况下会利用缓存呢？本文带你一探究竟。

GraphRAG在使用Prompt-Tune根据领域自动生成的实体总是不理想怎么办？这个时候就需要手动调整啦，当然我们还需要借助ChatGPT类的助手帮助我们生成一些Example。

我最近在arXiv上下载RAG相关的论文，几百篇的论文，肉眼去一一观看实在是太难了。通过强大的GraphRAG索引这些文章的摘要，我希望GraphRAG能够根据实体提取和社群分区，能够告知我研究方向

GraphRAG通过结合知识图谱，增加RAG的全局检索能力。今天我将讲解如何使用Neo4J可视化GraphRAG索引的结果，以便进一步的处理、分析，以小说提取的实体《仙逆》为例，一图胜千言。