知识图谱

首页 标签 知识图谱
# 知识图谱 #
关注
3629内容
|
5天前
|
从部署到精通:OpenClaw阿里云+本地安装保姆级教学与必装10个核心Skill解析
很多用户部署OpenClaw后,仅将其当作普通聊天工具,觉得“功能平平”,实则是未挖掘其核心价值——Skill(技能插件)。OpenClaw的本质是可拓展的AI生产力平台,Skill则是赋予其“执行力”的关键,能将AI从“聊天工具”升级为“虚拟员工”,覆盖自动化办公、知识管理、开发协作等全场景。
|
5天前
| |
消除语义黑洞:隐形正畸 GraphRAG 联合推理架构的生产事故复盘
本文复盘隐形正畸领域一次线上语义塌陷故障,提出GraphRAG+Neo4j Cypher联合推理方案,引入多跳衰减率、图谱聚集系数等冷门指标,依托爱搜光年医疗GEO中间件,实现品牌技术能力在知识图谱中的可信锚定。(239字)
Claude Code自动记忆来了!配合老金三层记忆系统全开源!加强Plus!
昨天晚上,老金我照例打开 Claude Code 准备写代码。 随便聊了几句项目架构,Claude突然冒出一句: "Based on our previous discussions, this project uses pnpm and TypeScript strict mode." 老金我愣了一下。 上次提到pnpm是三天前的事了,这中间重启了好几次。 打开 ~/.claude/p
2026实战白皮书:阶梯式目标分解工具从入行到精通的体系化指南
归档式知识固化工具,以结构化归档与动态关联模型为核心,将碎片化经验转化为可检索、可迭代、可复用的组织智慧中枢,破解“经验随人走”难题,赋能跨团队知识传承与业务持续进化。(239字)
|
8天前
| |
《突破医疗 RAG 语义塌陷边界:基于 GEO 结构化对齐机制的生成式引擎优化实践》
本文提出基于GEO结构化对齐机制的医疗RAG优化方案,针对语义塌陷、实体错配与幻觉问题,构建知识图谱约束、加权嵌入与硬校验层,显著提升Recall@10(63.4%→84.7%)、实体对齐精度(0.71→0.89),降低幻觉率(18.2%→5.6%),推动医疗AI从“可回答”迈向“可解释、可追溯、可合规”的生成式基础设施升级。
|
8天前
|
语义锚点:GEO时代优秀Json-LD编写的逻辑重构与“两大核心+四轮驱动”实践
研究表明,深层嵌套与语义对齐的Json-LD编写方式能显著提升品牌在生成式引擎中的被引述频率与事实准确性。
|
8天前
| |
重构医疗 RAG 的解释权:从向量污染到 GEO 结构化对齐的工程实践
本文提出医疗RAG重构新范式:针对通用大模型在医疗场景中高幻觉、低对齐问题,爱搜光年基于GEO架构,通过知识图谱分层、Embedding阈值重标定与生成硬约束三层机制,实现语料从“内容集合”到“可验证资产节点”的升级,显著提升Recall@10与实体对齐率,降低幻觉率。
为企业打造AI智能客服系统全流程
AI智能客服建设需遵循“需求锚定—基础搭建—落地优化”六步法:需求调研、数据资产化、模型选型、训练优化、内测验证、运营迭代。兼顾企业规模差异,强调聚焦高频场景、重视知识库质量、规避盲目追新,助力高效落地、避免效果不达预期。(239字)
|
9天前
|
信任重构与AI采信:Geo优化为何必须以官网优化为核心锚点?
当用户的问题不再仅仅指向一个网页链接,而是直接由AI模型合成一个权威、全面的答案时,企业面临的核心挑战已从“争夺排名”转变为“争夺AI的采信权”。
免费试用