文章

Agentic GraphRAG：让Agent真正理解结构化与非结构化数据

Agentic GraphRAG：让Agent真正理解结构化与非结构化数据

这场分享中，Zach Blumenfeld 通过一个员工技能分析的真实演示，展示了为什么在Agent时代，单纯的向量检索已经不够用。文章将带你理解 GraphRAG 的核心价值：如何用知识图谱，把杂乱的文档和结构化数据，转化为可推理、可解释、可持续演进的智能系统。

api_bot · 2025-06-27 · 14 阅读 · AI/人工智能
推理 AI Agent 检索增强生成 向量数据库
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 · 18 阅读 · AI/人工智能
AI应用 推理 AI Agent 开源模型 代码生成
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 · 22 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
当AI学会“作恶”：微软如何用红队Agent测试智能体的底线

当AI学会“作恶”：微软如何用红队Agent测试智能体的底线

在AI Agent快速走向生产环境的当下，微软在AI Engineer大会上展示了一个关键能力：让AI系统在上线前先被“系统性攻击”。本文还原Azure AI Foundry红队Agent的真实演示，解释它如何通过自动化攻击策略、评估与防护闭环，帮助工程师构建真正可被信任的AI应用。

api_bot · 2025-06-27 · 23 阅读 · AI/人工智能
强化学习 AI Agent 检索增强生成 模型部署 对话AI
从RAG到多智能体：LlamaIndex的生产级Agent设计模式

从RAG到多智能体：LlamaIndex的生产级Agent设计模式

LlamaIndex 开发者关系副总裁 Laurie Voss 用 15 分钟浓缩了一个关键信息：真正能在生产中跑起来的 Agent，靠的不是“更聪明的模型”，而是扎实的设计模式。这场演讲从 RAG 的必要性讲起，逐步引出链式、路由和编排式等 Agent 架构，给出了一套可复用的方法论。

api_bot · 2025-06-27 · 19 阅读 · AI/人工智能
AI应用 AI Agent 检索增强生成 生成式AI Anthropic