一些企业描述为知识库的需求，实际上是没有- news.news·换个方式看新闻|AI看新闻、实时追踪事件后续

Yinsen

0 关注者

12小时前

一些企业描述为知识库的需求，实际上是没有办法通过当前的 RAG 来满足的，更像是一个本地的 Deepresearch 或者其他的 agent 可以 cover 的场景。不要被带到坑里。

#知识库 #RAG #DeepResearch #agent #本地

相关新闻

岸田崇史 | Omluc

9小时前

社内でDifyを浸透させるカギは、現場が日常的にアプリに触れることです。例えば、経理や総務に届く「これ経費で落ちますか？」という質問を、社内規定を元にAIが一次判断し、難しい場合だけTeamsで担当者に通知する。この仕組みを今回のワークフローではRAGとMCPで実現しています。小さな事例を通じてDifyに触れる機会が増えると、「この機能、他の業務にも使えるのでは？」と、現場は発想を広げや

karminski-牙医

2天前

GPT-5 召回的确牛逼，所以接 RAG 目前应该是最佳选择。 Fiction.LiveBench 测试数据，192K上下文仍然有 87.5%, 妥妥 SOTA 了. 奥特曼其实应该把这个数据拿出来炫的，从o3开始其实 OpenAI 系列模型的召回能力都是可圈可点的。 #GPT5

Kai

2天前

发现 “二道贩子” 贬义较多，可能产生误解。这里不是贬低 cursor，只是讨论对 agent 的一些理解。我相信 cursor 一定在做自己的模型了，因为你想做强大的 agent 避不开做自己的模型

Kai

2天前

一个观察：为什么我说 cursor 的本质上就是二道贩子，因为如果你想做一个很强的 agent，定义一些自己的“高科技”tool。但如果这种 tool 是在训练模型的数据中没有相似的，也就是模型完全没见过这种模式的 tool，模型是很难正确调用这个 tool 的，因为 GPT 这种架构的泛化能力并不强。这就是为什么你看到 cursor 的 tool 都是模仿现有的 tool，比如 gre

宝玉

3天前

严谨一点来说应该是 StoryBook 自己是一个 Agent，它有 20 多个 Tools。Agent 的特点就是能自主的调用工具收集上下文完成任务，而工具是用来和环境交互辅助完成任务的。以后这应该也是趋势，ChatGPT、Gemini 这样的地方是入口，里面有一堆 Agents，你访问某个特定的功能，会唤起某一个或者某几个 Agent 协作完成任务。