9.21 北京 nMeetup 报名倒计时两天 | GraphRAG Meets AI 精彩抢先看！

NebulaGraph

2024-09-19

导读：本周六，北京 nMeetup 等你来！

9 月 21 日（本周六），nMeetup 带着社区小伙伴们的满满期待上线北京啦！本次 nMeetup 由 NebulaGraph 和微软 MVP 联合主办，邀请了众多领域的专家，共同探讨和分享 GraphRAG 技术的最新进展和应用案例。

随着 nMeetup 的临近，我们迫不及待地想与大家分享这次活动的豪华讲师阵容和精彩议题概览，期待在活动现场见到更多小伙伴们。文末附直播预约，也欢迎大家线上参与～‍‍‍

本场活动含 GraphRAG 量 99%

活动免费！欢迎报名！

本次 nMeetup 在微软园区举办，应园区要求，请各位小伙伴在报名时使用真实姓名，并携带身份证作为进出园区的唯一凭证。

时间&地点

时间：2024 年 9 月 21 日 13:20-17:30

地点：北京市海淀区丹棱街 5 号微软大厦 1 号楼 1 层，故宫会议室

Topic 介绍

金融领域大模型 GraphRAG 和图谱的

结合应用

讲师：语势科技-岳洋

讲师介绍：语势科技技术负责人，关注金融领域大模型、数据资产化、云计算等方向。

演讲概要：从业务需求和背景讲大模型不足，复杂推理对图谱的需求和选型过程，大模型向量结果和图谱推理的简单对比。

听众收益：金融领域大模型的应用创新。

NebulaGraph 在博睿数据的应用实践

讲师：北京博睿宏远数据-姚成耀

讲师介绍：博睿数据大数据开发工程师，现负责 NebulaGraph 数据库的开发，维护工作。

演讲概要：博睿数据在使用 NebulaGraph 过程中遇到的问题和解决方案，以及二开的点。

听众收益：NebulaGraph 真实生产环境实操和经验分享。

GraphRAG in NebulaGraph

讲师：NebulaGraph-古思为

讲师介绍：NebulaGraph GenAI Leader、NebulaGraph AI Sutie 等项目作者、Microsoft MVP(Python, AI)

演讲概要：GraphRAG 的背景、发展，我们的 Approach 和未来的工作。

听众收益：GraphRAG 的发展、挑战、案例。

Agents with GraphRAG

讲师：Eigent AI-范文栋

讲师介绍：Eigent AI Founding Engineer, CAMEL 多智能体开源框架核心贡献者, 曾任巴斯夫数字化中心 AI 工程师。

演讲概要：聚焦于将知识图谱与基于 Retriever-augmented Generation (RAG) 模型的 Agent 相结合，探索如何通过图结构的数据进行增强的推理和知识检索，以提升 Agent 的回答质量、推理能力和上下文理解。

听众收益：深入理解 GraphRAG 和 Multi-agent 技术的应用潜力。

AI Agent 企业落地实践与案例拆解

讲师：53AI-杨芳贤

讲师介绍：53AI 创始人& LangGPT 联合创始人，腾讯云 TVP 最具价值专家，多家上市公司的大模型落地顾问。

演讲概要：当前 AI Agent 在企业落地的两个主要场景是 Chat Agent 和 Data Agent ，在 Chat Agent 场景中目前主流的 RAG 方案只能做到 60%-70% 的准确率，而企业对上线到生产环境的智能问答要求极高的准确率，这也是当下大多数大模型项目在企业内部落地效果不佳的重要原因，本议题将结合真实的落地案例来分享与 AI Agent 的落地实践。

听众收益：了解大模型能力边界及大模型与 AI Agent 在企业落地的核心技能，了解行业领先落地应用案例。

优化 GraphRAG 的二三事

讲师：微软-卢建晖

讲师介绍：微软高级云技术布道师，在 AI Core Team 负责小模型 Phi 3 在全球的技术内容推广，有超过18年的金融、电信、教育等领域的行业解决方案经验。在 GenAI 领域著有围绕小模型的《Phi-3 Cookbook》(阅读量超过40万)和 Copilot 应用框架《Semantic Kernel Cookbook》，并为不同客户提供基于 LLMOps 和 SLMOps 的一体化解决方案。

演讲概要：或者您已经在使用 GraphRAG，但您知道如何优化 GraphRAG 吗？特别在 Graph 的构建，虽然我们会依赖于大模型的能力，但如果在端侧大模型的环境下，能否可以利用 SLM 来构建 GraphRAG 应用？本次课程将会和您讲述如何结合 Phi-3.5-Instruct 来构建 GraphRAG，并结合 Semantic Kernel 构建本地的 RAG 应用。

听众收益：正确了解 GraphRAG.