详细内容或原文请订阅后点击阅览
RAG 死了吗？代理人工智能的上下文工程和语义层的兴起
上下文工程、语义层和代理 AI 检索的演变The post Is RAG Dead?代理人工智能的上下文工程和语义层的兴起首先出现在《走向数据科学》上。
来源:走向数据科学简介
检索增强生成 (RAG) 可能对于第一波企业人工智能浪潮来说是必要的，但它正在迅速演变成更大的东西。在过去的两年里，组织已经意识到仅仅使用矢量搜索检索文本片段是不够的。上下文必须是可管理的、可解释的并且适应代理的目的。
这篇文章探讨了这种演变是如何形成的，以及它对于数据和人工智能领导者构建可以负责任地推理的系统意味着什么。
您将得到一些关键问题的答案：
知识图谱如何改进RAG？
它们为企业数据提供结构和含义，链接文档和数据库之间的实体和关系，使人类和机器的检索更加准确和可解释。
语义层如何帮助法学硕士检索更好的答案？
语义层标准化数据定义和治理策略，以便 AI 代理能够理解、检索和推理各种数据以及 AI 工具、内存和其他代理。
RAG 在代理 AI 时代如何发展？
检索正在成为更广泛的推理循环（越来越多地被称为“上下文工程”）中的一个步骤，其中代理跨数据和工具动态地编写、压缩、隔离和选择上下文。
TL;DR
(RAG) 在 ChatGPT 推出后开始崭露头角，并意识到上下文窗口存在限制：您不能将所有数据复制到聊天界面中。团队使用 RAG 及其变体（例如 GraphRAG（使用图形数据库的 RAG））在查询时将附加上下文引入提示中。 RAG 的流行很快暴露了它的弱点：在上下文窗口中放入不正确的、不相关的或太多的信息实际上会降低而不是改善结果。重新排序等新技术的开发是为了克服这些限制，但 RAG 并不是为了在新的代理世界中生存而构建的。