RAG，即 Retrieval-Augmented Generation，是一種結(jié)合了信息檢索與生成模型的技術(shù)。基于大型語言模型如 GPT 的上下文連續(xù)性，RAG 在生成響應(yīng)的過程中引入了一個(gè)檢索階段，通過查詢大型的數(shù)據(jù)庫或知識(shí)庫，尋找與輸入相關(guān)的信息，然后利用這些信息來生成響應(yīng)。然而，對(duì)于一些需要特定領(lǐng)域知識(shí)或詳細(xì)背景信息的任務(wù)，大型模型的上下文處理能力有限，這時(shí) RAG 的優(yōu)勢(shì)就顯現(xiàn)出來。

圖作為一種用于表示實(shí)體之間關(guān)系的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)表示對(duì)象，邊表示它們之間的連接或關(guān)聯(lián)。圖數(shù)據(jù)庫的核心優(yōu)勢(shì)在于其強(qiáng)大的關(guān)聯(lián)關(guān)系處理能力，能夠以高效而結(jié)構(gòu)化的方式組織和檢索知識(shí)。

圖與 RAG 結(jié)合，可以更深入地利用大語言模型的生成能力，同時(shí)充分發(fā)揮圖數(shù)據(jù)庫在處理復(fù)雜關(guān)聯(lián)關(guān)系方面的優(yōu)勢(shì)。圖數(shù)據(jù)庫的應(yīng)用使得每個(gè)知識(shí)點(diǎn)都被賦予了豐富的語義鏈接，形成一個(gè)生動(dòng)的知識(shí)網(wǎng)絡(luò)。這種網(wǎng)絡(luò)不僅能夠保留和強(qiáng)化知識(shí)的紋理關(guān)系，還能在涉及知識(shí)檢索與分析時(shí)，提供更深層次的洞見和理解。不僅能夠加強(qiáng)大語言模型對(duì)信息的理解深度，提高信息的檢索效率，還能實(shí)現(xiàn)領(lǐng)域知識(shí)的低成本長(zhǎng)期存儲(chǔ)，從而更有效地處理那些需要特定領(lǐng)域知識(shí)或詳細(xì)背景信息的任務(wù)。

悅數(shù)圖數(shù)據(jù)庫推出的圖+AI 大模型解決方案，是一種領(lǐng)先的基于自然語言的知識(shí)圖譜構(gòu)建和查詢（Text2Cypher）技術(shù)方案。該方案能夠?yàn)橛脩魩韽?qiáng)大的數(shù)據(jù)管理、語義理解和信息提取能力，使企業(yè)能夠以更低的成本實(shí)現(xiàn)更高性能的行業(yè)大模型應(yīng)用，同時(shí)也使得人機(jī)交互的問答結(jié)果變得更加智能和精準(zhǔn)。

IT168 官方在悅數(shù)圖數(shù)據(jù)庫獲獎(jiǎng)理由中表示：悅數(shù)圖數(shù)據(jù)庫在 LLM Infra 領(lǐng)域處于領(lǐng)先位置，率先研究探索并實(shí)現(xiàn)了基于知識(shí)圖譜的檢索增強(qiáng)技術(shù)。悅數(shù)團(tuán)隊(duì)在行業(yè)內(nèi)首次提出了 Graph RAG （基于圖技術(shù)的檢索增強(qiáng)）的概念，利用知識(shí)圖譜結(jié)合大語言模型（LLM）為搜索引擎提供更全面的上下文信息，可以幫助用戶以更低成本獲得更智能、更精準(zhǔn)的搜索結(jié)果。同時(shí)，利用先進(jìn)圖技術(shù)，為大語言模型引入萬億級(jí)的豐富上下文，有效提升大語言模型回答精準(zhǔn)度，達(dá)到企業(yè)級(jí)的應(yīng)用效果，讓企業(yè)能以較低的費(fèi)用成本和極短的時(shí)間成本，完成基于上下文理解、精確的、透明可解釋的大模型落地應(yīng)用。

在各種行業(yè)場(chǎng)景中，悅數(shù)推出的 AI 大模型方案都可以發(fā)揮獨(dú)特的作用。在醫(yī)療行業(yè)中，通過構(gòu)建醫(yī)療知識(shí)圖譜和大語言模型，可以輔助進(jìn)行智能診斷；通過構(gòu)建金融知識(shí)圖譜和大語言模型，可以提供金融數(shù)據(jù)分析、投資決策等服務(wù)；而在零售行業(yè)，可以提供智能商品推薦、客戶細(xì)分、市場(chǎng)趨勢(shì)分析等，為客戶進(jìn)行個(gè)性化推送，提升用戶體驗(yàn)。