wHisKy

GitHub - pingcap/autoflow: pingcap/autoflow is a Graph RAG based and conversational knowledge base tool built with TiDB Serverless Vector Storage. Demo: https://tidb.ai pingcap/autoflow is a Graph RAG based and conversational knowledge base tool built with TiDB Serverless Vector Storage. Demo: https://tidb.ai - pingcap/autoflow

🔥 Hot Repo！ 🔥 (100+ new stars)

📦 pingcap / autoflow
⭐ 1,164 (+190)
🗒 TypeScript

pingcap/autoflow is a Graph RAG based and conversational knowledge base tool built with TiDB Serverless Vector Storage. Demo: https://tidb.ai

threadreaderapp.com/thread/16954...

We now have the most comprehensive cookbook on building LLMs with Knowledge Graphs (credits @wey_gu).
✅ Key query techniques: text2cypher, graph RAG
✅ Automated KG construction
✅ vector db RAG vs. KG RAG

docs.llamaindex.ai/en/latest/op...

Ah ha! Nate Silver 不喜歡 BlueSky 呢！那我是不是也該好好想想在這要幹嘛呢？

說實在的，這邊的確可看到一些大咖帳號，但他們也很多都蠻久沒再更新了，至少使用的頻率沒有 Twitter 上來得頻繁！所以這邊的資訊，感覺不會如 X 上一樣快

只是覺得，就算在那喊「中華隊」的
都還是會用 Team Taiwan 來稱呼我們的球隊

這種心態真的超有趣...

Penn State University's "Graph Theory" lecture notes (undergraduate level)

roam.libraries.psu.edu/system/files...

Developer Roadmaps - roadmap.sh Community driven roadmaps, articles and guides for developers to grow in their career.

roadmap.sh
roadmap.sh is a community effort to create roadmaps, guides and other educational content to help guide developers in picking up a path and guide their learnings.

Unleashing the Power of Knowledge Graphs in Retrieval Augmented Generation (RAG): Step by Step… In the realm of artificial intelligence, the fusion of retrieval and generation models has led to significant advancements in natural…

medium.com/@transformer...

一堆這種到處都在推的 LLM 自動產出 KG，但看產出的結果，就很明顯是個垃圾！毫無任何應用價值！就是把一堆句子重新拆解偽裝成 relationship 而已！

那為啥這一堆 LLM framework 或是一堆 Graph DB 的傢伙，現在都在推這些鬼東西？

這些東西對 RAG 有沒有幫助？有，或許有。但這些是不是 KG？當然絕對不是！

我沒在看棒球，也一點也不關心棒球
但看到這次 12 強經典賽
最後來個四強預賽換人被罰款
一堆人不覺得這叫做污點嗎？

從靈活調度到臨陣換將
讓我想到臺灣一堆人都會以「小聰明」自豪
不管用什麼手段，只要能佔人便宜就是贏

就跟一堆路上搶人一步
不是因為自己搶時間趕快
而是就是要搶你一步站你前面

發現蠻多人都還蠻怕死的...
但是我真的不知道為什麼要對死亡恐懼？
或著該說，怕死後的「地獄」？
那種不知道自己會不會被捉去審判處罰的未知？
但死了就是死了，哪裡還有什麼會留下來
該怕的是忽然死掉
電腦裡面許多東西來不及「毀滅」吧！

聽慈濟那一套鬼扯真的超厭煩！
就直接承認你們在造神賺錢不行嗎

www.businessweekly.com.tw/Archive/Arti...
真的就是製作一堆垃圾，然後也跟垃圾食物一樣，可以給人足夠的快樂來吸引使用者。

可以爽快的罵人？哈哈哈哈哈

Graph 在這半年來，因為 LLM+RAG 的關係，
忽然變成當紅炸子雞

然後也開始有更多人在他們的產品介紹提到
他們會用 KG （知識圖譜）來提升他們產品的準確度

我會覺得，這其實都是一堆詐騙！
因為要做 KG 真的沒有那麼簡單！
這更不是把東西都塞給 LLM 叫他自己生就好！
這樣生出來的東西根本很多都有問題！
然後你要跟我說，你有用到 KG?

我聽你他媽在鬼扯！
對，詐騙到處都有
科技詐騙更是從以前到現在沒缺席過

嗯，我蠻喜歡這邊的介面... （哈，就跟以前的 twitter 一樣啊）

或許可以把這當成我自己「對話自己」的空間

而這原本缺乏的東西，可能是你的知識，可能是你的經驗，但也可能是給的答案中片面，侷限的地方，可以在補充脈絡下，出現更好的結果？

這才是我認為，在 AI 時代的「知識管理」要去處理的問題，一個優化「問與答」之間的連結的 semantic layer。然後呈現的效果，也不會只是一個類檔案管理的介面，而是能嵌入到「工作軟體/介面」的對話型 copilot。

#2/2

前一陣子在某場會議中，我提到一件事

在左邊，你有需要提出的問題，而問問題的方式，內容等，會因為每個人的經驗，知識，（多種）能力的差異而有所不同。

在右邊，則是回答所有可能問題的答案，有些是可直接完整回答，有些可能是回答部分，也有些可能是幫助你提出下一個該問的問題
然後這兩個中間，問問題到找答案，很可能跟兩邊都有關系，如何問個好問題，如何讓答案有系統架構好搜尋

這其實就是傳統的知識管理要解決的問題，問與答之間的連結。
但有沒有可能現在，在 AI 時代，整個知識管理的架構，會在中間再多一層 semantic layer ，不管是自動，半自動，都可幫你補足更多原本缺乏的東西。

#1/2

Threads 真的給我一種大型垃圾掩埋場的感覺！
裡面充斥著各式各樣鬼故事，
每個人都可以去嘴幾句
然後演算法又能很快帶給大家
就是如「垃圾食物」一樣的快感時
就越來越多人在上面塞滿各種垃圾了

某種程度其實或許就是另一種 TikTok 的養成術
絕佳浪費生命的好場所

doggiedrawings.net/products/swi...