PulseAugur
中
实时 08:07:55
实体 Neo4j

Neo4j

PulseAugur coverage of Neo4j — every cluster mentioning Neo4j across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
19
90 天内 73
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 19
层级分布 · 90 天
主题
关系
时间线
  1. 2026-06-09 partnership Neo4j acquires GraphAware to enhance its government and enterprise data solutions. 来源
情绪 · 30 天

9 天有情绪数据

最近 · 第 1/4 页 · 共 76 条
  1. TOOL · CL_368074 ·

    微软和 Starburst Data 通过知识图谱增强 RAG

    微软已增强其 Foundry IQ Knowledge Graph,新增功能旨在通过实现多跳检索和减少对大型语言模型进行规划的依赖来改进检索增强生成 (RAG)。同时,Starburst Data 推出了 Context Studio 以提供受管的语义上下文,解决了 AI 代理对可靠数据解释的需求。这些发展凸显了行业正在朝着将知识图谱和结构化数据与向量搜索相结合以增强 RAG 系统并缓解幻觉和仅基于提示的 LLM 交互相关的高成本等问…

  2. TOOL · CL_363526 ·

    PipesHub 通过 4 项检索更改解决 RAG 过时引用问题

    文章讨论了检索增强生成(RAG)系统中一个常见的问题,即代理由于缺乏实时状态检查而自信地引用过时的信息。为了解决这个问题,作者的公司 PipesHub 实施了四项检索更改。这些更改包括显示链接记录的状态和日期、启用按时间顺序、分阶段的代理搜索、采用“先少找再读对的部分”策略进行目标检索,以及允许调用者控制查询重写绕过。这些改进旨在减少 token 消耗和延迟,同时提高准确性,EnterpriseRAG-Bench 和 Google F…

  3. TOOL · CL_362106 ·

    将 Neo4j 图数据库与 FastAPI Python Web 框架集成

    本文详细介绍了如何将原生图数据库 Neo4j 与 FastAPI(一个用于构建 API 的 Python Web 框架)集成。文章阐述了先决条件,包括 Neo4j Aura DB 凭证和 Python 环境,并提供了设置基本 FastAPI 应用程序的逐步指南。该指南涵盖了导入必要的包、初始化 FastAPI 应用、配置中间件、创建 GET API 以及使用 `fastapi dev` 等开发工具启动服务器。文章还演示了如何使用 Ne…

  4. TOOL · CL_360959 ·

    RAG 研究着手解决引用问题、代理记忆和基准有效性 · 跟踪 1 个来源

    检索增强生成 (RAG) 的最新进展凸显了引用准确性、代理记忆和基准有效性方面的挑战。一项研究发现,高达 15.7% 的 RAG 引用未能准确反映检索到的信息,表明存在忠实性问题。新研究还引入了 MIRIX-2.0 和 DISCERN 等高级代理记忆系统,解决了写作和信息解析中的瓶颈,并提出了 ParseBench-2 来暴露影响 RAG 性能的文档解析中的弱点。此外,AutoOntic 旨在通过从文本中自动诱导本体来改进 Graph…

  5. TOOL · CL_359754 ·

    GateRook 通过桌面应用提供对 100 多个服务的受控 AI 访问

    GateRook 是一款新的桌面应用程序,旨在为 AI 助手提供对各种服务的受控访问,包括 MySQL、Redis 和 MongoDB 等数据库,以及 Kubernetes 和 OpenSearch 等系统。它充当本地 MCP 网关,允许用户定义范围化的端点、访问策略和审批工作流,确保 AI 客户端能够与服务进行交互,而无需直接暴露凭据或过多的权限。该应用程序旨在通过提供一个统一的界面来配置和监控与众多集成服务之间的交互,从而简化 A…

  6. TOOL · CL_355613 ·

    Neo4j 为增强 LLM 上下文的 RAG 系统提供支持

    本文详细介绍了如何使用 Neo4j 作为向量数据库来实现检索增强生成(RAG)系统。RAG 通过为大型语言模型(LLM)提供来自私有数据源的最新、特定的上下文来增强它们。该过程涉及一个检索器,它将用户查询转换为嵌入,针对向量索引执行向量搜索,并获取相关数据来增强 LLM 的提示,从而实现更准确、更具上下文感知能力的响应。

  7. TOOL · CL_334914 ·

    意图优先的Cypher生成为Neo4j带来希望

    本文评估了为Neo4j等图数据库生成Cypher查询的意图优先方法。该系统从用户输入中提取结构化意图,然后根据本体进行验证,并通过确定性管道编译成Cypher。评估发现,静态本体验证在大规模模式下会失败,但动态本体子集划分可显著提高准确性并减少提示令牌。此外,执行反馈可以在不损害治理的情况下修复返回空结果的查询,并且自适应资源分配可降低运营成本。

  8. TOOL · CL_331138 ·

    Hyland OpenArch凭借新项目展示获得社区动力

    一个名为“Awesome OpenArch”的新的社区驱动列表已被创建,用于展示与Hyland OpenArch(一个开源AI数据层)相关的项目、集成和讨论。首批条目包括OpenArch Studio、使用Neo4j和ArcadeDB的图存储解决方案、OpenCrawling以及一个带有MCP的内容湖应用程序。鼓励开发者通过提交pull request或issue并标记为“openarch”来贡献他们自己的基于OpenArch的项目。

  9. TOOL · CL_330842 ·

    Gemini 4 Argon 为 Kubernetes 的自主 SRE 命令中心提供支持

    一位开发者详细介绍了如何构建一个自主 SRE 命令中心来管理 Kubernetes 事件。该系统利用 Gemini 4 Argon 和 Google Agent Development Kit (ADK) 来协调多个专用代理。这些代理负责实时遥测监控、通过 Neo4j 知识图谱进行根本原因分析、安全验证以及自动化修复等任务。

  10. TOOL · CL_320568 ·

    Ontographia:LLM提取结构化意图,而非Neo4j的Cypher查询

    本文介绍了Ontographia,一种查询Neo4j等图数据库的新方法。Ontographia不直接让大型语言模型(LLM)编写Cypher查询,而是利用LLM根据用户问题生成结构化的“意图”。然后,一个确定性管道会根据数据库的本体(ontology)验证此意图,并将其编译成安全且可审计的Cypher查询。该方法旨在通过将LLM的角色分离为意图提取,并通过验证过程确保查询的完整性,来克服直接LLM查询生成和僵化模板系统的局限性。

  11. TOOL · CL_320043 ·

    开源SMP服务器将Linux内核的索引速度提高了4.6倍

    开源结构化内存协议(SMP)服务器的作者对其性能与另一个代码图服务器进行了基准测试。在笔记本电脑上索引一个包含96,000个文件的Linux内核树时,SMP实现了4.6倍的速度提升。该帖子详细介绍了方法论,强调了SMP在不依赖PostgreSQL或Neo4j等传统数据库的情况下处理大型代码库的效率,并展示了SMP的缓存机制如何修复了一个导致基准测试中出现内存不足错误的bug。

  12. TOOL · CL_322458 ·

    新研究提出通过分区实现可扩展的图查询处理

    一篇新的arXiv论文提出了一种通过分区大型图并利用分布式处理来扩展图查询处理的方法。该方法通过利用聚焦探索和负载均衡启发式方法来减少所需的分区数量,专注于高效的查询应答,包括通配符和比较操作。论文详细介绍了分区算法、分布式架构,并提供了在合成和真实世界数据集上的实验结果。

  13. TOOL · CL_316841 ·

    AI 代理工具显示风险组合、不安全描述

    对 28 个流行 Python MCP 服务器上的 1,384 个工具进行的最新分析揭示了与 AI 代理攻击面相关的重大安全问题。研究发现,工具描述经常包含直接的 AI 模型指令,使得难以区分合法的用法指南和潜在的恶意命令。此外,研究还发现,能够获取外部内容(源)的工具和执行操作(汇)的工具经常出现在同一服务器上,为不受信任的输入触发有害操作提供了直接途径。

  14. COMMENTARY · CL_316666 ·

    AI技术栈映射:从基础模型到生产部署

    通过将供应商组织成不同的层级,从基础模型和实验室开始,可以有效地绘制AI技术栈。这种方法有助于根据能力和成本选择合适的模型,并考虑性能与价格的帕累托前沿。接下来,应根据工作流程的链接方式和状态管理方式来选择代理框架和编排工具。基础层和检索层涉及数据、向量数据库和知识图谱,为模型提供上下文,其中图RAG是一种补充方法。最后,评估、可观测性、可靠性、计算基础设施和开发工具层确保了生产环境中可信AI的部署。

  15. TOOL · CL_315778 ·

    Graphify使用AST实现AI代理中确定性的代码导航

    Graphify是一个新工具,它使用抽象语法树(AST)来创建可查询的代码导航知识图谱,通过结构确定性克服了向量嵌入的近似性。它使用Tree-sitter解析代码,提取实体和关系,并使用社区检测算法对大型代码库进行分区。这种方法提供了确定性和可解释的边,支持AI代理理解代码结构所必需的多跳查询。

  16. TOOL · CL_306532 ·

    Gharasathi 作为首个注重隐私的家庭 AI 正式推出

    Gharasathi 是一款新推出的家庭 AI,旨在本地管理个人数据,如财务和照片,确保隐私。它在 Mac Studio 上运行推理,专注于透明的数据处理和基于证据的 AI 解释。该项目旨在整合财务信息和照片库,逐步淘汰 iCloud 和 Google Photos 等云服务。

  17. TOOL · CL_306534 ·

    私有AI仪表板Hishob使用本地LLM进行家庭财务分析

    一个名为Hishob的个人财务仪表板是作为更大的“gharasathi”私有家庭AI项目的一部分开发的。该仪表板运行在配备M3 Ultra芯片和96GB内存的Mac Studio上,通过llama.cpp使用Qwen3.5 122B A10B模型进行本地AI处理。Hishob通过澳大利亚的消费者数据权(Consumer Data Right)整合银行账户数据,并解析账单和报表等文件,将其存储在Neo4j知识图中,以提供全面的家庭财务视…

  18. COMMENTARY · CL_303256 ·

    AI开发讨论涵盖业务代理、代码移植、MoE瓶颈和缓存问题

    最近在Mastodon上的一次讨论突显了AI开发和软件工程中的几个技术挑战和考虑因素。一个帖子探讨了AI代理如何成功管理一个微型企业,强调了功能分配对小型企业的效率。另一篇帖子深入探讨了将图检索库从Python移植到Java的复杂性,涉及Neo4j等工具。此外,一次对话讨论了批处理解码过程中混合专家(MoE)推理管道的性能瓶颈,并且对一个详细的拉取请求的分析揭示了AI模型调用中缓存机制的潜在问题,包括租户ID处理、失败响应的缓存以及无…

  19. TOOL · CL_290644 ·

    Weaviate 向量数据库集成混合搜索和多租户

    Weaviate 是一款向量数据库,提供全面的功能套件,包括内置向量化、混合搜索和多租户,旨在简化用户的部署。它将词汇搜索 (BM25F) 与向量搜索相结合,并直接在数据库内支持生成式搜索功能。然而,管理自托管的向量化模块需要单独的容器和资源,并且模式更改(尤其是针对向量化器)需要重新导入数据。

  20. TOOL · CL_278877 ·

    GraphRAG 通过知识图谱增强 LLM,实现可验证推理

    朴素的向量搜索在企业 AI 应用中难以处理复杂的多跳推理任务。一种新方法 GraphRAG 将知识图谱与大型语言模型 (LLM) 相结合,以克服这些限制。通过将数据表示为图数据库(如 Neo4j)中的互联实体和关系,GraphRAG 可以执行可验证的多步推理并消除幻觉,这对于高风险领域至关重要。