知识图谱

龙腾AI白云15 分钟前
人工智能·plotly·知识图谱
打造行业知识图谱三步走打造行业知识图谱三步走一、 第一步:明确业务场景与知识边界 二、 第二步:抽取实体、关系与属性 三、 第三步:融合、清洗与持续更新 四、 为什么行业知识图谱需要“走对方向” 五、 从起步到落地:避坑指南
lqqjuly10 小时前
人工智能·知识图谱
神经架构搜索深度解析(Neural Architecture Search, NAS)文档结束版本:v1.0 | 最后更新:2026-06-02
J_bean20 小时前
知识图谱·mcp·gitnexus·代码知识图谱
GitNexus 使用指南GitNexus 将代码仓库索引为知识图谱(包含依赖关系、调用链、功能集群、执行流),并通过 MCP 工具暴露给 AI 编程代理(Claude Code、Cursor、Codex、Windsurf 等),使其具备深层架构感知能力。
虹科网络安全1 天前
人工智能·知识图谱·arango
艾体宝产品|从知识孤岛到智能知识中心:Arango 如何重塑企业知识图谱大型企业的知识资产分散在文档、数据库、邮件、会议记录、专家头脑等多种形态中,形成“知识孤岛”。当员工试图回答“某项目使用了某技术,该技术的专家是谁,相关文档有哪些,类似项目的历史经验是什么”这类关联问题时,往往需要在多个系统中反复搜索,效率低下。更严峻的是,随着专家退休或离职,隐性知识流失难以挽回。而传统解决方案——无论是企业搜索引擎还是关系型数据库——在面对深层关联查询时,要么无法理解语义和关系,要么在 JOIN 性能上陷入瓶颈,三度以上关联查询响应缓慢,无法支撑交互式探索。
Slow菜鸟2 天前
人工智能·知识图谱
AI 代码知识图谱 教程(三)| Understand-Anything(给人看)本文是「AI 图谱系列」专栏三。如果你是团队负责人或新人,需要"一眼看懂项目架构",这篇文章是写给你的。
高洁012 天前
人工智能·python·数据挖掘·virtualenv·知识图谱
智能体:你的私人数字助理智能体:你的私人数字助理一、 从“语音助手”到“真助理”:智能体的进化 二、 智能体的核心能力:感知、规划、行动 三、 真实场景:智能体如何帮你省时省力 四、 与传统应用的根本区别:主动性+个性化 五、 隐私与信任:智能体的必备底线
基因改造者2 天前
人工智能·知识图谱
RAG 与 知识图谱 的区别两者不是替代关系,而是不同维度的技术:RAG 是一种系统架构/工作流,知识图谱是一种数据结构/知识组织方式。实际落地中经常融合使用(即 GraphRAG)。
人工智能培训2 天前
人工智能·深度学习·机器学习·容器·知识图谱
数字孪生建模常用方式有哪些?数字孪生是依托数字化手段构建物理实体、场景或系统的虚拟镜像,实现虚实映射、同步迭代、仿真推演的核心技术,而建模是数字孪生落地的基础与核心环节。数字孪生建模并非单一技术体系,而是结合几何形态、物理特性、运行规律、动态数据的综合建模工程。随着技术迭代,行业逐步形成多种成熟建模方式,适配智慧城市、工业制造、建筑工程、交通运维等不同场景。本文将详细介绍数字孪生主流建模方式,剖析其原理、特点与适用场景。
codefan※2 天前
人工智能·大模型·llm·知识图谱·neo4j·rag·graphrag
干掉幻觉实战:如何构建企业级知识图谱增强 RAG本文约 7200 字,读完大约需要 18 分钟如果你在生产环境部署过 RAG 系统,一定踩过这样的坑:
nebula-AI2 天前
人工智能·ai·github·项目管理·知识图谱·dashboard
Understand Anything 简要使用文档Understand Anything 的 README.zh-CN.md在 VS Code Copilot Chat 中输入 / 开头的命令。
codefan※2 天前
人工智能·知识图谱
干掉“幻觉“实战:如何构建企业级知识图谱增强 RAG本文约 7200 字,读完大约需要 18 分钟如果你在生产环境部署过 RAG 系统,一定踩过这样的坑:
龙腾AI白云3 天前
c语言·virtualenv·知识图谱
数字孪生:虚拟调试,真实交付数字孪生:虚拟调试,真实交付一、 传统调试的痛点:现场“救火”模式 二、 虚拟调试:在数字世界里先跑一遍 三、 如何实现:从模型到控制器的全仿真 四、 真实案例:缩短工期,降低风险 五、 真实交付:从虚拟到实物的无缝衔接
高洁013 天前
python·深度学习·机器学习·transformer·知识图谱
数字孪生:虚拟调试,真实交付数字孪生:虚拟调试,真实交付一、 传统调试的痛点:现场“救火”模式 二、 虚拟调试:在数字世界里先跑一遍 三、 如何实现:从模型到控制器的全仿真 四、 真实案例:缩短工期,降低风险 五、 真实交付:从虚拟到实物的无缝衔接
高洁014 天前
人工智能·数据挖掘·transformer·virtualenv·知识图谱
大模型落地行业第一线大模型落地行业第一线一、 金融行业:智能风控与投顾助手 二、 医疗健康:从辅助诊断到患者管理 三、 制造业:知识助手与工艺优化 四、 教育行业:个性化助教与内容生成 五、 政务与客服:提升效率与可及性
梦想画家4 天前
知识图谱·本体
从 ERP 出发:用图数据库 + 规则引擎落地供应链知识语义化本文面向有 ERP/业务系统背景的 Java 工程师,介绍如何从关系型数据库出发,通过图数据库和规则引擎渐进落地知识语义化,以供应链溯源与风险识别为核心场景,给出完整的架构设计和 Java 代码示例。
codefan※4 天前
知识图谱·milvus·faiss·向量数据库·rag·qdrant
RAG 加速指南:Faiss / Milvus / Qdrant 向量库选型与调优三大主流向量数据库深度实测,附 Docker 一键部署配置与性能调优参数向量数据库是 RAG(检索增强生成)系统的核心基础设施。当你的知识库从几千条增长到百万、千万级时,向量检索的性能瓶颈就会彻底拖垮你的 AI 应用响应速度。
__log5 天前
人工智能·架构·知识图谱
如何优雅地“借鉴”任何网站的设计系统面向现代开发者的全方位工具链解析在开发现代项目时,从已有网页提取设计、组件和样式 的能力可以成倍提升开发效率。以下是对主流浏览器插件的全面扩展分析,包含插件深入对比、技术适配技巧、进阶使用场景以及潜在陷阱。
想你依然心痛5 天前
人工智能·ar·知识图谱·harmonyos·智能体
HarmonyOS 6(API 23)实战:基于悬浮导航、沉浸光感与HMAF的“图谱智脑“——PC端AI智能体沉浸式知识图谱构建工作台“顺境教会我们珍惜,逆境教会我们成长,欢喜让我们感受温暖,伤痛让我们学会坚强。” 不否认顺逆境、欢喜伤痛的存在,但拒绝把它们分成“好的”和“坏的”。每一极都附带一份礼物——顺境不是用来懈怠的,而是用来练习珍惜;逆境不是惩罚,而是成长的私教。允许一切发生,并从中萃取意义。
__log5 天前
人工智能·知识图谱
Codex默认调用本地Ollama模型配置指南要让 Codex Desktop App 默认使用本地 Ollama 模型,核心在于正确修改其全局主配置文件 ~/.codex/config.toml。以下是详细的配置步骤、关键配置项说明以及验证方法。
帅次5 天前
人工智能·深度学习·机器学习·语言模型·自然语言处理·数据挖掘·知识图谱
AI数字营销实战测评:CSDN AI智选主题如何提升技术博客创作效率与质量?在AI数字营销创作中,选题是决定文章方向和受众吸引力的第一步。CSDN的AI智选主题功能提供了两种高效的选题方式: