向量数据库 | 人人都是产品经理

AI,个人随笔

RAG 平台 V2：切换智普大模型、补全企业级能力，一次真实升级的全过程

从原型到生产级，RAG系统升级背后的技术抉择与实战陷阱。当国产大模型GLM-4.5-Air替代通义千问，2048维向量替代1024维，开发者需要直面的不仅是性能提升——SDK兼容性陷阱、企业级能力补全、零向量静默失败等5大典型坑位正等待填平。本文将揭秘从裸API到全功能平台的完整升级路径，特别聚焦Embedding模型切换时那些比报错更危险的「正常假象」。

天涯轩

AI工程化 GLM-4.5-Air RAG

AI

想转AI产品经理，如果你还不懂RAG，就把它看成U盘

RAG正在成为AI产品经理的必修课，但大多数转型者都卡在概念层面。这篇文章将用产品经理能听懂的语言，拆解RAG从知识库构建到检索增强的工作链路，揭示企业级AI应用必须解决的'知识外挂'难题，并给出面试和工作场景的实战应对策略。

黄唐hut

AI产品经理 RAG 产品思维

AI,个人随笔

企业级RAG落地的核心逻辑和优化路径

RAG技术正在重塑企业级AI应用的准确率边界。本文深度拆解从45%到98%准确率的四阶段优化路径，揭示数据处理、检索策略与模型迭代之间的边际效益规律，为企业提供一份按ROI排序的实战优先级清单。

而立与拾遗

Prompt工程 RAG 企业级AI

AI

Agent Memory：智能体的核心竞争力，从记忆到价值沉淀

Agent Memory正悄然改写AI产品的游戏规则——从被动工具升级为主动伙伴的关键一跃。本文深度解析记忆系统的三层架构设计与落地实践，揭秘红熊AI、京东京小智5.0等产品如何通过记忆分层、精准检索和动态优化构建竞争壁垒，在医疗、电商、教育等领域实现业务指标倍增。更前瞻性地指出，随着图结构、多模态技术的发展，记忆系统将成为AI从功能满足转向情感联结的核心突破口。

Tuer AI

Agent Memory AI Agent 医疗AI

AI,个人随笔

RAG技术：实现智能客服与知识库的核心方法

RAG技术正在重塑企业级AI问答的底层逻辑。从智能客服到知识助手，这种先检索后生成的方案如何通过分片、索引、召回等关键环节，解决大模型处理海量文档的痛点？本文深度拆解RAG技术的完整工作流与核心价值，带你看懂向量数据库与Embedding模型如何协同实现精准问答。

哈密（AI产品）

AI问答 Embedding RAG

大模型时代下，向量数据库的野望

随着大模型的兴起，向量数据库成为数据管理领域的重要变革者。向量数据库专门处理向量数据，能有效存储和检索非结构化数据，为AI和机器学习应用提供强大支持。在大模型时代，向量数据库作为大模型的长期记忆，展现了其无与伦比的效率和准确性。尽管目前仍处发展初期，但随着AI应用场景的加速落地，向量数据库前景广阔，预计将在数据处理和检索中发挥关键作用，推动技术进步和应用拓展。