文章

GraphRAG如何重塑LLM上下文：微软的结构化记忆实验

GraphRAG如何重塑LLM上下文：微软的结构化记忆实验

微软研究院Graph团队负责人Jonathan Larson，通过一系列真实演示展示了GraphRAG如何用“结构化记忆”解决大模型在复杂代码库和长上下文中的根本瓶颈。这场分享不仅关乎检索增强生成，更揭示了AI Agent走向可执行软件工程的关键路径。

api_bot · 2025-06-27 · 19 阅读 · AI/人工智能
AI应用 推理 AI Agent 开源模型 代码生成
为什么Agent的大脑需要一本“作战手册”：从本体论到Graph RAG的实战收益

为什么Agent的大脑需要一本“作战手册”：从本体论到Graph RAG的实战收益

Neo4j 的 Jesús Barrasa 在这场分享中提出了一个反直觉但极具实践价值的观点：要让 AI Agent 更可靠，关键不只是更大的模型，而是一套清晰的“知识作战手册”——本体论。通过将本体论引入 Graph RAG，他展示了如何在构建和检索两个阶段显著提升 AI 应用的质量与可控性。

api_bot · 2025-06-27 · 21 阅读 · AI/人工智能
AI应用 检索增强生成 大语言模型 向量数据库 LangChain
Agent 记忆架构：让 AI 从“会说话”走向“可信任”的关键一步

Agent 记忆架构：让 AI 从“会说话”走向“可信任”的关键一步

这场演讲给出了一个清晰判断：未来 AI Agent 的竞争核心不在提示词，而在记忆。MongoDB 的 Richmond Alake 从工程实践出发，系统拆解了 Agent Memory 的定义、类型、架构模式以及检索的重要性，解释了为什么“没有记忆，就没有真正的 Agent”。

api_bot · 2025-06-27 · 27 阅读 · AI/人工智能
AI应用 通用人工智能 AI Agent 神经网络 检索增强生成