手写一个最小 RAG:130 行代码让 3B 模型答对 90% 的公司制度题
作者用 130 行 Python(不依赖任何框架)搭了一个最小 RAG 系统,让本地 qwen2.5:3b 回答公司制度问题,20 道评估题答对 18 道(准确率 90%),检索命中率和语料外拒答正确率均为 100%。
推荐理由:作者把检索与生成拆开归因,并用 20 题评估集量化各环节,提供了可迁移的先测量再调优实践方法。
作者用 130 行 Python(不依赖任何框架)搭了一个最小 RAG 系统,让本地 qwen2.5:3b 回答公司制度问题,20 道评估题答对 18 道(准确率 90%),检索命中率和语料外拒答正确率均为 100%。
推荐理由:作者把检索与生成拆开归因,并用 20 题评估集量化各环节,提供了可迁移的先测量再调优实践方法。
作者把企业评测的执行方式分为手工、写脚本、工具框架、平台化四种,并将市面上二三十款评测工具按评模型/评应用、框架/平台两个维度分类梳理。
推荐理由:原文把评测工具按评模型/评应用、框架/平台两刀分类,并给出决策树和六个场景的选型答案,可直接迁移到自家项目选型。
AWS 宣布 Amazon Bedrock AgentCore 的 Web Answer 正式可用,智能体通过一次工具调用即可获得带来源引用的合成答案,不再需要自建搜索、检索、合成与引用管线。Web Answer 自行规划搜索、并行执行并核验事实,与返回原始链接的 Web Search 互补;目前仅在 us-east-1 可用,每 1000 次调用收费 $10。
推荐理由:原文把 Web Answer 与 Web Search 的分工讲清,并给出从网关授权到智能体调用的完整接入步骤,便于评估是否替换自建检索链路。
文章分析 RAG 已把正确知识放入 Prompt 但大模型仍答错的原因,指出问题在于模型如何理解、选择和使用知识,并给出知识治理、证据组织与生成校验的分层方案。
推荐理由:文章把检索正确但答错的根因拆成知识冲突、证据组织与生成校验三层,并给出可落地的元数据约束与分层校验方案,可直接迁移到企业 RAG 设计。
律所 Agent 项目质保期 90 天临近时作者翻查日志目录,确认交付后真正出问题的不是模型,而是日志留存、版本回滚、数据口径三处:模型三个月一行没改,知识库、提示词、依赖库和数据量却一直在变。
推荐理由:作者把企业级 Agent 质保期风险归为日志留存、版本回滚、数据口径三处,并给出可直接复用的自检代码与检查表。
作者在《Agent Harness 从用到会造》第 8 讲用可复现台架对比关键词、向量、混合三路检索,核心判断是混合检索的首要价值在兜底而非涨分。台架把 329 个 md 文件切成 3818 块,精确串族向量 recall@5 仅 36% 而关键词 100%,混合的漏检集合与关键词完全相同。
推荐理由:作者用可复现台架把混合检索的收益拆成可数的差集,这套差集分析方法可直接迁移到自己的知识库上。
DeepSeek 官方宣布 Search / Fetch API 正式上线,两者均基于自研搜索引擎,为 Agent 与 RAG 应用提供实时网页内容,Search 返回结构化结果、Fetch 以 Markdown 返回网页正文。
推荐理由:原文给出 Search 与 Fetch API 的计费、限流和免费期细节,读者可据此评估将其接入 Agent 或 RAG 应用的成本。
Postman 在 Amazon Bedrock 上运行 Agent Mode,为 4000 万开发者提供覆盖 API 测试、文档、发现与实现的 AI 智能体能力。
推荐理由:文章给出了把智能体嵌入成熟产品时可复用的工程模式,如动态裁剪工具集、用 schema 读取代替工具泛滥。
Google DeepMind 发布 EmbeddingGemma 2,一个基于 Gemma 4 架构、740M 参数的开源轻量级多模态嵌入模型,采用 Apache 2.0 许可,可将文本、图像、音频和视频统一映射到同一嵌入空间。
推荐理由:原文给出了参数量、模态拆分与量化后的内存占用,便于读者判断它能否直接落到自家端侧检索链路中。
Ai2 开源 AstaBrief 8B,它把研究问题与检索到的文献片段直接转成带引用的报告,训练数据一并开放。模型基于 Qwen3-8B,用 SFT 加 DPO 训练;在 Asta 的 Fast mode 下平均 51.1 秒生成一份报告,约为 Claude 驱动的 Thinking mode(178.5 秒)速度的 3.5 倍。
推荐理由:原文给出一条可迁移的训练经验,用引用密度这一简单信号过滤合成数据,比更复杂的过滤组合更有效。
Mistral AI 发布 Agentic Search 检索层,以多步检索循环让模型在复杂文档中查找、检视并验证信息,在 FinanceBench 上将正确率从 26.7% 提升至 86%,在 OfficeQA Pro 上从 6.3% 升至 51.9%,p90 延迟最高降低 39.6%,token 消耗最多减少三分之一。
推荐理由:原文用两组基准给出 Agentic Search 相对一次式 RAG 的准确率、token 与延迟对比,可据此判断多步检索循环的收益边界。