Amazon Neptune ahora admite BYOKG con RAG (disponible de forma general) a través del kit de herramientas de GraphRag de código abierto
Hoy anunciamos la compatibilidad del uso de su propio gráfico de conocimiento (BYOKG) para la generación aumentada de recuperación (RAG) mediante el kit de herramientas de GraphRag de código abierto. Esta nueva capacidad permite que los clientes conecten sus gráficos de conocimiento existentes con modelos de lenguaje de gran tamaño (LLM). De esta manera, las aplicaciones de IA generativa ofrecen respuestas más precisas, comprensibles y amplias en contexto basadas en datos estructurados y confiables.
Anteriormente, los clientes que querían usar sus propios gráficos seleccionados para RAG tenían que crear canalizaciones personalizadas y una lógica de recuperación para integrar las consultas de gráficos en los flujos de trabajo de IA generativa. Gracias a la compatibilidad con BYOKG, los desarrolladores ahora pueden aprovechar directamente sus gráficos específicos del dominio, como los almacenados en Amazon Neptune Database o Neptune Analytics, a través del kit de herramientas de GraphRag. Esto facilita la operacionalización de la RAG con reconocimiento de gráficos, lo que reduce las alucinaciones y mejora el razonamiento en relaciones temporales y de saltos múltiples. Por ejemplo, un asistente de investigación de fraudes puede consultar el gráfico de conocimientos de una empresa de servicios financieros para descubrir patrones de transacciones sospechosos y ofrecer a los analistas explicaciones contextuales. Del mismo modo, un chatbot de operaciones de telecomunicaciones puede detectar si una serie de torres de telefonía móvil conectadas fallan constantemente, rastrear las rutas de dependencia hasta los conmutadores de red afectados y, luego, guiar a los técnicos mediante los documentos de SOP sobre cómo resolver el inconveniente. Los desarrolladores simplemente configuran el kit de herramientas de GraphRag con su origen de datos de gráficos existente y este organizará estrategias de recuperación que utilizan consultas de gráficos junto con la búsqueda vectorial para mejorar los resultados de la IA generativa.
Para obtener más información y empezar, visite la Guía del usuario del kit de herramientas de GraphRag.