跳到正文

#結構化查詢生成

RSS
今日 0 則
10月11日週日
  1. AI Engineer🎙️ Podcast85

    超越 RAG：從零打造關聯式情境引擎 — Unblocked 的 Peter Werry

    Unblocked 共同創辦人 Peter Werry 主張，檢索增強生成（retrieval-augmented generation，RAG）——他狹義地將其定義為語意相似度或向量搜尋——只解決了檢索問題的一半。另一半，也是這場精簡版實作工作坊的重點，是把自然語言轉譯成真正、結構化的資料庫查詢，讓帶有結構或時間限制的問題（例如「我上週合併的 PR」）能回傳正確答案，而不是隻回傳語意相近的檔案。本集是實機建構的逐步導覽，而非概念性演講：Werry 逐一走過六個堆疊的 pull request，把一個只有空殼的引擎變成可運作的查詢產生器，再變成經過驗證、能自我修正的版本，最後讓同一個引擎驅動一

  2. AI Engineer🎙️ Podcast85

    超越 RAG：用關聯式上下文引擎大幅降低 Token 消耗——Unblocked

    Unblocked 的 Peter Werry 主張，多數 AI 代理（agent）所依賴的檢索層——對檔案與程式碼做語意 RAG——只解決了一半的問題，而另一半、也就是對組織內部資料做結構化查詢，才是真正工程難度所在。在一場 19 分鐘的演講中，他說明什麼是「context engine」，展示接上 Claude 之後實測省下的成本與時間，並現場動手打造一個開源元件，把自然語言問題轉成安全、經過驗證的資料庫查詢。標題所稱的「Token 燃燒」是真的，但範圍很窄：它只建立在他跑過的一次前後對比上，而整集節目的主體其實是查詢生成、schema 探索、身分對映與驗證，不是成本。 Werry 是

    推薦理由：Peter Werry 以實測說明關聯式上下文引擎能降低 Token 消耗，為 AI 代理成本最佳化帶來新思路。