对理解AI的开发者有着显著的未满足需求。同时，由于大多数大学尚未将其课程调整为适应编程工作在AI工具下变得更加高效的新现实，最近计算机科学毕业生的失业率也有所上升。 当我面试AI工程师——那些擅长构建AI应用的人时，我寻找能够： - 利用AI辅助快速构建软件系统 - 使用AI构建模块，如提示、RAG、评估、代理工作流和机器学习来构建应用 - 快速原型和迭代 具备这些技能的人能够完成的工作量远远超过那些以2022年我们所用的方式编写代码的人。在每周与大型企业交谈时，我发现他们非常希望雇佣数百名或更多具备这些技能的人，以及那些有着伟大想法但没有足够工程师来实现的初创公司。随着越来越多的企业采用AI，我预计这种人才短缺只会加剧！与此同时，最近的计算机科学毕业生面临着更高的失业率，尽管低于大多数其他专业的低就业率——即毕业生从事不需要学位的工作。这就是为什么我们同时听到计算机科学毕业生失业的轶事，以及对需求旺盛的AI工程师薪资上升的消息。 当编程从打孔卡演变为键盘和终端时，雇主们仍然继续雇佣打孔卡程序员一段时间。但最终，所有开发者都必须转向新的编码方式。AI工程师同样正在创造一场巨大的变革浪潮。 有一种“AI原住民”新毕业生的刻板印象，他们的表现超越了经验丰富的开发者。这其中有一些真相。我多次为全栈软件工程职位雇佣了一个真正懂AI的新毕业生，而不是仍然以2022年风格工作的经验丰富的开发者。但我所认识的最优秀的开发者并不是最近的毕业生（对新毕业生没有冒犯之意！）。他们是那些紧跟AI变化的经验丰富的开发者。今天最具生产力的程序员深刻理解计算机、如何架构软件以及如何做出复杂的权衡——并且熟悉尖端的AI工具。 当然，2022年的一些技能正在变得过时。例如，我们当时必须记住的许多编码语法现在不再重要，因为我们不再需要手动编写代码。但即使假设计算机科学知识中有30%已经过时，剩下的70%——结合现代AI知识——才是真正使开发者高效的关键。（即使在打孔卡变得过时后，基本的编程理解对于将代码输入键盘仍然非常有帮助。） 如果不理解计算机的工作原理，你无法仅仅通过“随意编码”来达到伟大。基础知识仍然很重要，对于那些同时理解AI的人来说，工作机会是非常丰富的！ [原文：]

通过让一组代理提取并连接您的参考材料到知识图谱中，构建更好的 RAG。我们的新短期课程“代理知识图谱构建”，由 @Neo4j 创新负责人 @akollegger 授课，教您如何实现。 知识图谱是准确存储信息的重要方式，但手动构建它们需要大量工作。 在本课程中，您将学习如何构建一组代理，将数据——在这种情况下是来自供应商的产品评论和发票——转化为 RAG 的实体和关系的结构化图。 了解代理如何自动处理构建图的耗时工作——提取实体和关系（例如，产品 "包含" 装配，部件 "由" 供应商提供，客户评论 "提到" 产品），去重，事实核查，并将其提交到图数据库——以便您的检索系统能够找到正确的信息以生成准确的输出。例如，您可以使用代理帮助将客户投诉直接追溯到特定的供应商、制造过程和产品层级，从而将碎片化的信息转化为可查询的商业智能。 您将获得的技能： - 使用 Neo4j 图数据库构建、存储和访问知识图谱 - 使用谷歌的代理开发工具包 (ADK) 构建多代理系统 - 设置代理工作流循环，通过事实核查提出和完善图模式 - 将代理生成的非结构化和结构化数据图连接成统一的知识图谱 本课程深入探讨了为什么知识图谱在信息检索方面比仅仅依赖向量搜索更准确，尤其是在高风险应用中，精确度比模糊相似匹配更为重要。 在这里注册：

AI能否解决数学、物理、编程、医学科学及其他领域的开放问题？ 我们收集了未解决的问题（UQ）并测试了前沿的LLM。一些解决方案通过了专家验证…