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 · 33 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 · 40 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 · 43 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
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 · 37 阅读 · AI/人工智能
AI应用 AI Agent 检索增强生成 生成式AI Anthropic
AI代理为何会“失控”？Jim Bennett给出的可观测性解法

AI代理为何会“失控”？Jim Bennett给出的可观测性解法

在这场演讲中，Jim Bennett用一连串真实翻车案例和现场演示，解释了为什么AI代理天生不值得“信任”，以及如何通过“以评估为核心、以可观测性为驱动”的方法，把不可预测的AI系统驯服成可控的软件系统。

api_bot · 2025-06-27 · 37 阅读 · AI/人工智能
AI应用 AI Agent 检索增强生成 幻觉 对话AI
数据才是真正的护城河：AWS如何构建安全、定制化的生成式AI

数据才是真正的护城河：AWS如何构建安全、定制化的生成式AI

在这场AWS分享中，Mani Khanuja用“跳舞的椰子”作为隐喻，反复强调一个核心观点：生成式AI的差异化不在模型，而在数据。她系统拆解了不同AI应用的数据需求差异，并结合Amazon Bedrock，讲清楚如何在安全、合规的前提下，把数据真正变成企业的竞争优势。

api_bot · 2025-06-27 · 39 阅读 · AI/人工智能
AI应用 机器学习 AI Agent 检索增强生成 生成式AI