作者： 老刘说NLP 来源： 老刘说NLP

过去一周，我们完成了2次分享，围绕RAG与KG/Graph-RAG，知其然更知其所以然，总会更有意义。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

老刘说NLP社区第24讲**《RAG落地中的知识库建设、现实坑点及最佳实践探索》线上交流** 顺利结束，面向全体社区成员，针对当前RAG过程中的方法论、知识库建设、优化策略、文档分析以及最佳实践等 进行了分享，欢迎加入社区，借助社区的力量，做更多有趣的事儿。

本次分享，共历时2小时，全程密集干货分享。

老刘说NLP社区第25讲《知识图谱遇见RAG基本认知、实现思路及代表工作剖析》线上交流 顺利结束，面向全体社区成员，针对当前知识图谱与RAG相结合的背景、具体方式以及代表工作、开源项目的实现细节进行了 进行了分享，欢迎加入社区，借助社区的力量，做更多有趣的事儿。

本次分享，共历时近2小时，同样全程密集干货分享。

目前相关回放以及视频已经发布至社区，欢迎加入社区，一同共享【社区加入地址见文末，在后台菜单栏中点击会员社区->会员入群加入】。

一、RAG的几个核心问题(部分)‍‍‍‍‍‍‍‍‍‍‍‍‍

二、RAG的知识库粒度控制(部分)

三、RAG中的文档处理策略(部分)‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

四、RAG的最佳实践及总结(部分)‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

五、GraphRAG的几个核心问题(部分)

例如，例利用KG来组织文档chunk提升相关性。

又如，可以使用简单的文档KG生成项目-TexGrapher进行文档图谱化：

又如，引入实体来增强chunk中的排序问题：

关于我们

老刘，刘焕勇，NLP开源爱好者与践行者，主页：https://liuhuanyong.github.io。

老刘说NLP，将定期发布语言资源、工程实践、技术总结等内容，欢迎关注。

对于想加入更优质的知识图谱、事件图谱、大模型AIGC实践、相关分享的，可关注公众号，在后台菜单栏中点击会员社区->会员入群加入。

更多AI工具，参考Github-AiBard123，国内AiBard123