相关文章
2080 篇高质量内容
当RAG遇上Agent记忆：为什么相似度检索会"塌方"？
当RAG遇上Agent记忆，相似度检索为何失效？论文揭示传统方法在对话流中的致命缺陷，并带来突破性解决方案。 核心内容： 1. 传统RAG检索在agent记忆场景中的"塌方"现象分析 2. xMemory框架的四层记忆层次结构与自适应检索机制 3. 稀疏性-语义引导目标与两阶段检索的创新设计
查个问题还要全图跑一遍？DA-RAG说我只取一瓢
DA-RAG技术突破：动态子图检索让知识查询更精准高效，彻底解决传统RAG的静态局限。 核心内容： 1. DA-RAG创新性引入属性社区搜索技术，实现查询驱动的动态子图检索 2. 三层索引架构与粗到细检索策略，大幅提升效率并降低计算成本 3. 实验数据全面碾压现有方案，在效果和效率上实现双重突破
走进 OceanBase 向量背后的算法库 —— VSAG
OceanBase 自研的 VSAG 向量索引库在性能测试中超越业界主流开源方案，揭秘其背后的硬核算法与创新设计。 核心内容： 1. 向量搜索技术原理与ANNS方法在高维数据检索中的关键作用 2. VSAG库的三大技术突破：SIMD优化、资源管理模块和混合存储方案 3. 在GIST数据集上的性能表现及与FAISS、hnswlib等主流方案的对比优势
丢掉向量数据库！PageIndex 开启“推理型 RAG”新时代，长文档分析准确率高达 98.7%
PageIndex 革新 RAG 技术，无需向量数据库即可实现 98.7% 的金融文档分析准确率，让 AI 像专家一样思考。 核心内容： 1. 传统向量检索的痛点与 PageIndex 的创新架构 2. PageIndex 四大核心优势：无向量/保结构/可解释/高准确 3. 实际应用场景与快速上手指南
RAG 落地全干货深度分享：从“效果不理想”到生产级 RAG 系统的进化之路
从疯狂跟风到冷静反思，三位顶尖专家深度拆解RAG落地全链路中的"坑位"，给出系统性优化方案。 核心内容： 1. RAG理想与现实的残酷鸿沟 2. RAG实施中的高频痛点及成因分析 3. 经过验证的RAG最佳实践路线图
效率神器 Claude-Mem：终结 AI “金鱼记忆”！自动保存上下文、可视化记忆流，开发体验提升 10 倍！
告别AI的"七秒记忆"！Claude-Mem让开发助手拥有长期记忆，节省90%的Token成本。 核心内容： 1. 解决AI工具会话记忆丢失的痛点问题 2. 三层智能检索机制大幅降低Token消耗 3. 可视化记忆流提升开发体验
告别“伪智能”代码：用 Spec + RAG 打造真正懂你的AI程序员
告别“伪智能”代码，揭秘如何通过Spec+RAG技术让AI程序员真正理解你的项目需求，写出高质量代码。 核心内容： 1. AI Coding当前困境与突破方向：从“能写”到“写得对”的转变 2. Spec知识库与RAG知识库的协同作用：构建AI的上下文感知能力 3. Spec Coding与Vibe Coding的对比分析：企业级开发的最佳实践选择
向量，向量化，向量数据库和向量计算
AI时代必备技能：一文读懂向量计算与向量数据库的核心原理与应用场景。 核心内容： 1. 向量化计算的底层原理与性能优势 2. AI场景下的向量表示与语义相似度计算 3. 向量数据库如何突破传统检索的语义局限
从 RAG 到 Agentic Search，一次关于信任 AI 判断的认知升级
从RAG到智能体搜索，一次关于AI信任的认知跃迁：当复杂优化遇到简单真理，工程师如何重新思考问题本质？ 核心内容： 1. RAG技术在实际应用中的结构性缺陷与优化困境 2. 一条推文引发的认知转变：复杂度不等于价值 3. 智能体搜索(agentic search)如何突破传统检索的思维局限
Claude Cowork 真能替换 RAG ？
Claude Cowork带来知识库记忆新突破，但RAG仍有不可替代的价值。 核心内容： 1. Claude Cowork的动态记忆能力与RAG静态检索的本质区别 2. 两种技术各自适用的场景与局限性分析 3. 未来AI知识管理可能的技术融合方向
使用 Agent Skills 做知识库检索，能比传统 RAG 效果更好吗？
Agent Skills 带来更智能的知识检索方式，能否超越传统 RAG 的局限？ 核心内容： 1. Agent Skills 的工作原理与渐进式加载策略解析 2. 对比传统 RAG 模式的痛点与 Skills 的创新优势 3. 实战演示跨格式知识检索 Skill 的实现与应用场景
OpenViking：面向 Agent 的上下文数据库
OpenViking：AI Agent的上下文管理革命，开源数据库助力开发者突破信息海洋的导航难题。 核心内容： 1. AI Agent面临的上下文管理挑战与痛点分析 2. OpenViking作为专为Agent设计的上下文数据库的创新解决方案 3. 业界在Context Engineering领域的探索实践与OpenViking的差异化价值
别再迷信向量数据库了，RAG 的“大力出奇迹”该结束了
别再被向量检索折磨了！PageIndex用推理式RAG颠覆了传统检索方式，准确率高达98.7%。 核心内容： 1. 传统向量检索的三大痛点：相似度陷阱、上下文割裂、结果不可解释 2. PageIndex的三大创新：分层树状索引、保留文档结构、可溯源推理 3. 推理式RAG在金融/法律场景的实际效果对比
告别黑盒开发！清华系团队开源 UltraRAG：用“搭积木”的方式构建复杂 RAG 流程
告别繁琐代码！清华团队开源UltraRAG，用可视化方式轻松构建复杂RAG系统。 核心内容： 1. UltraRAG框架的核心设计理念与MCP架构优势 2. 四大核心亮点：低代码编排、可视化IDE、模块化扩展、深度研究能力 3. 快速上手指南与部署方式
RAG优化不抓瞎！Milvus检索可视化，帮你快速定位嵌入、切块、索引哪有问题
RAG调试不再靠猜！Milvus+Project_Golem实现检索过程可视化，让高维向量分布一目了然。 核心内容： 1. RAG调试黑盒问题的本质与三大痛点 2. Project_Golem如何通过3D可视化解决调试难题 3. 基于Milvus的工程化改造实现生产级应用
今天，分享Clawdbot记忆系统最佳工程实践
Clawdbot凭借本地化记忆系统颠覆AI助手体验，实现24/7持久记忆与完全用户数据主权。 核心内容： 1. 记忆系统架构解析：本地存储与云端方案的革命性差异 2. 动态上下文管理机制：系统提示+项目文件+对话历史的三层结构 3. 记忆读写实践：语义检索工具链与Markdown文件协同工作流
Fusion GraphRAG：超越 GraphRAG 的多模态企业级 AI 问答
Fusion GraphRAG 突破传统 RAG 局限，用图数据库技术打造更精准的企业级 AI 问答系统。 核心内容： 1. 传统 RAG 面临的四大困境：细粒度检索不足、关系缺失、语义鸿沟和全局推理乏力 2. 图数据库如何解决这些问题：从孤立片段到关联网络的转变 3. Fusion GraphRAG 的实际应用与微软研究论文的验证
Langgraph从零开始构建第一个Agentic RAG 系统
从零构建智能体RAG系统，让AI像人类一样思考并调用工具解决问题。 核心内容： 1. RAG系统的基本原理与工作流程 2. 传统RAG与Agentic RAG的关键区别 3. 实战构建客户聊天机器人的完整步骤
大模型在需求分析与设计中的提效实践
AI如何重塑产品开发流程？从需求分析到系统设计，大模型正成为开发者的智能助手。 核心内容： 1. AI在需求文档生成与系统设计中的关键作用 2. 从业务诉求到研发的全链路智能化方案 3. 多Agent协作实现高效规范的文档生成流程
GraphRAG：让 RAG 看见"关系网络"的技术进化
GraphRAG技术突破传统RAG局限，让AI真正理解复杂关系网络，实现从"见木"到"见林"的进化。 核心内容： 1. 传统RAG在处理关系网络问题时的致命缺陷分析 2. GraphRAG通过知识图谱和社区发现算法的创新解决方案 3. 技术实现三阶段详解与《三体》案例验证