★解析大模型幻覺與知識陳舊的本質問題

★建立RAG與GraphRAG的完整技術圖譜

★掌握大語言模型的使用與實踐技巧

★深入理解向量表示與語義檢索機制

★精通Milvus與其他主流向量資料庫

★逐步構建檢索增強生成系統

★掌握知識圖譜設計與六韜法應用

★從零實作映射式與取出式圖譜建構

★操作JanusGraph圖資料庫與Gremlin查詢

★解析圖模互補應用範式的邏輯結構

★建立GraphRAG系統並落地應用實例

★橫跨教育、金融、醫療與製造業的應用案例

本書聚焦於當前人工智慧應用中的一個核心問題：如何讓大模型變得更可信、更實用。透過系統性介紹檢索增強生成（RAG）、知識圖譜、向量資料庫與圖型計算等關鍵技術，本書深入剖析了如何將外部知識結合到大語言模型中，提升其資訊更新能力與邏輯一致性。從向量相似度與Milvus實戰，到GraphRAG的系統建構與應用案例，內容涵蓋理論、實作與部署，技術完整，實用性強。書中也包括圖模互補的應用架構與常見場景，對於希望開發具備知識增強能力的LLM應用者而言，是一本難得的實戰指南。