問い合わせの原因を調べるとき、必要な情報は1つの文書にまとまっていません。製品の仕様表、仕入先の連絡先、利用者の声が、別々の場所にあります。DeepLearning.AIとNeo4jの講座は、この散らばった情報を、関係でつないだグラフとして組み上げる手順を扱っています。

手順1:解きたい質問を1つ決める
講座は、製品の問題の原因を突き止めるという題材を扱います。どの製品に、どの部品を使い、誰から仕入れ、利用者が何を言っているかを、1つの流れとしてたどる形です。
質問を決めずにデータを集めると、つなぐべき関係が決まりません。「どの製品の、どの不具合を、どの情報から説明したいのか」を1文で書きます。
手順2:構造化データと非構造化データを分ける
データは2種類に分けます。製品と仕入先の情報のように、項目が決まった表は構造化データです。製品のレビューのように、自由文の集まりは非構造化データです。
分ける理由は、抽出の方法が違うためです。表からは項目をそのまま取り出せます。自由文からは、何が書かれているかを読み取って取り出す必要があります。
手順3:ノードと関係の案を出させる
講座は、目的を読み取り、どのノードと関係を抽出するかを提案するエージェントを設計します。データの種類ごとに担当を分け、それぞれに案を出させます。
| データ | ノードの例 | 関係の例 |
|---|---|---|
| 製品と仕入先の表 | 製品、部品、仕入先 | 製品は部品を使う、部品は仕入先から入る |
| 製品レビュー | レビュー、製品、症状 | レビューは製品に言及する、レビューは症状を含む |
案は、そのまま採用せず、人が読みます。同じ意味の項目が別の名前で並ぶと、後でつながらなくなります。
手順4:つなぎ方の設計を決める
ノードの名前と、関係の向きを決めます。関係に向きがあると、「製品が部品を使う」と「部品が製品に使われる」を取り違えません。
講座は、複数のエージェントを束ねる仕組みとして、GoogleのAgent Development Kitを使います。担当ごとに分けた処理を、1つの流れとして動かすための土台です。
手順5:グラフを作り、つないで確かめる
決めた設計に沿って、データの種類ごとにグラフを作ります。最後に2つをつなぎ、1つのグラフにします。つないだ後は、手順1で決めた質問を投げて、答えにたどり着けるかを見ます。
たどれない場合は、関係の向きか、ノードの名前がずれています。グラフの考え方はGraphRAGのページで、土台になる検索はRAGのページで扱っています。
FAQ
Q. 既存のRAGを置き換える必要はありますか。
A. 講座は、文書を分割してベクトルデータベースに置く従来の形を前提に、そこへ関係の情報を足す考え方を示しています。置き換えではなく、追加として扱えます。
Q. 手作業で作るのと何が違いますか。
A. 講座は、グラフの手作業での構築に手間がかかると指摘し、構築の計画をエージェントに作らせる方法を扱います。人が確認する工程は残ります。
あわせて使いたいツール
設計を試すには、データを置ける環境と、処理を動かす環境が必要です。料金と提供条件は各サービスの公式情報で確認してください。
出典
出典:DeepLearning.AI「エージェントによるナレッジグラフ構築」(2026年7月17日更新)。従来のRAGとグラフの違い、レビューと製品をつなぐ例、目的を読み取ってノードと関係を提案するエージェントの設計、GoogleのAgent Development Kitによる統合、構造化データと非構造化データの扱いは同講座のページに基づきます。
関連ガイド
- 用語:GraphRAG
- 用語:ベクトルデータベース
- AIエージェントに仕事を任せる5ステップ
- ポストトレーニングを学ぶ順番5ステップ
- 推論の速さを前提にアプリを設計する5ステップ
- 答えから条件を逆算させる自己検証5ステップ
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。
