Agentic GraphRAG:用知识图谱给AI代理加上“逻辑骨架”
Neo4j 的 Stephen Chin 从一线实践出发,直指当前 AI Agent 幻觉与失效的根源,并提出 Agentic GraphRAG 作为解决路径。通过知识图谱、结构化检索和代理运行时的结合,他展示了一种更可控、更接近人类推理的智能系统设计思路。
Neo4j 的 Stephen Chin 从一线实践出发,直指当前 AI Agent 幻觉与失效的根源,并提出 Agentic GraphRAG 作为解决路径。通过知识图谱、结构化检索和代理运行时的结合,他展示了一种更可控、更接近人类推理的智能系统设计思路。
微软研究院工程师Victor Dibia分享了他在GitHub Copilot等项目中的经验,总结了半自主多智能体系统的UX设计原则。本文通过他的研究背景、Blender LM演示和方法论提炼,帮助读者理解如何让人类与AI代理高效协作。
这场演讲从一个微妙却普遍的现象出发:为什么几乎所有AI产品都在变成“聊天框+模型下拉菜单”?Maximillian Piras提出“苦涩布局”这一概念,借助模型选择器、模式切换和架构理论,揭示了当下AI UX设计被技术进步反向塑形的深层原因,以及设计师如何走向更“甜”的未来。
这是一次关于“白板”这种古老工具如何在大语言模型时代重获新生的演讲。Excalidraw 的作者 Christopher Chedeau 回顾了产品从个人项目到疫情爆发下被全球用户接受的意外历程,并分享了他对 AI 与人类协作边界的核心判断:AI 不该取代人,而应放大人类思考的力量。
Steve Ruiz 讲述了 tldraw 从数字墨水库到 AI 画布计算机的演化历程。这不仅是一个白板工具的升级故事,更是一次关于“可编程画布 + 多模态 AI”如何重塑创作方式的探索。