對理解AI的開發者有著顯著的未滿足需求。同時，由於大多數大學尚未將其課程調整為適應編程工作在AI工具下變得更加高效的新現實，最近計算機科學畢業生的失業率也有所上升。 當我面試AI工程師——那些擅長構建AI應用的人時，我尋找能夠： - 利用AI輔助快速構建軟體系統 - 使用AI構建模組，如提示、RAG、評估、代理工作流和機器學習來構建應用 - 快速原型和迭代 具備這些技能的人能夠完成的工作量遠遠超過那些以2022年我們所用的方式編寫代碼的人。在每週與大型企業交談時，我發現他們非常希望雇用數百名或更多具備這些技能的人，以及那些有著偉大想法但沒有足夠工程師來實現的初創公司。隨著越來越多的企業採用AI，我預計這種人才短缺只會加劇！與此同時，最近的計算機科學畢業生面臨著更高的失業率，儘管低於大多數其他專業的低就業率——即畢業生從事不需要學位的工作。這就是為什麼我們同時聽到計算機科學畢業生失業的軼事，以及對需求旺盛的AI工程師薪資上升的消息。 當編程從打孔卡演變為鍵盤和終端時，雇主們仍然繼續雇用打孔卡程序員一段時間。但最終，所有開發者都必須轉向新的編碼方式。AI工程師同樣正在創造一場巨大的變革浪潮。 有一種“AI原住民”新畢業生的刻板印象，他們的表現超越了經驗豐富的開發者。這其中有一些真相。我多次為全棧軟體工程職位雇用了真正懂AI的新畢業生，而不是仍然以2022年風格工作的經驗豐富的開發者。但我所認識的最優秀的開發者並不是最近的畢業生（對新畢業生沒有冒犯之意！）。他們是那些緊跟AI變化的經驗豐富的開發者。今天最具生產力的程式設計師深刻理解計算機、如何架構軟體以及如何做出複雜的權衡——並且熟悉尖端的AI工具。 當然，2022年的一些技能正在變得過時。例如，我們當時必須記住的許多編碼語法現在不再重要，因為我們不再需要手動編寫代碼。但即使假設計算機科學知識中有30%已經過時，剩下的70%——結合現代AI知識——才是真正使開發者高效的關鍵。（即使在打孔卡變得過時後，基本的編程理解對於將代碼輸入鍵盤仍然非常有幫助。） 如果不理解計算機的工作原理，你無法僅僅通過“隨意編碼”來達到偉大。基礎知識仍然很重要，對於那些同時理解AI的人來說，工作機會是非常豐富的！ [原文：]

通過讓一組代理提取並連接您的參考材料到知識圖譜中，構建更好的 RAG。我們的新短期課程「代理知識圖譜構建」，由 @Neo4j 創新負責人 @akollegger 授課，教您如何實現。 知識圖譜是準確存儲信息的重要方式，但手動構建它們需要大量工作。 在本課程中，您將學習如何構建一組代理，將數據——在這種情況下是來自供應商的產品評論和發票——轉化為 RAG 的實體和關係的結構化圖。 了解代理如何自動處理構建圖的耗時工作——提取實體和關係（例如，產品 "包含" 裝配，部件 "由" 供應商提供，客戶評論 "提到" 產品），去重，事實核查，並將其提交到圖數據庫——以便您的檢索系統能夠找到正確的信息以生成準確的輸出。例如，您可以使用代理幫助將客戶投訴直接追溯到特定的供應商、製造過程和產品層級，從而將碎片化的信息轉化為可查詢的商業智能。 您將獲得的技能： - 使用 Neo4j 圖數據庫構建、存儲和訪問知識圖譜 - 使用谷歌的代理開發工具包 (ADK) 構建多代理系統 - 設置代理工作流循環，通過事實核查提出和完善圖模式 - 將代理生成的非結構化和結構化數據圖連接成統一的知識圖譜 本課程深入探討了為什麼知識圖譜在信息檢索方面比僅僅依賴向量搜索更準確，尤其是在高風險應用中，精確度比模糊相似匹配更為重要。 在這裡註冊：

AI能否解決數學、物理、程式設計、醫學科學及其他領域的開放問題？ 我們收集了未解決的問題（UQ）並測試了前沿的LLM。一些解決方案通過了專家驗證…