从 RAG 到 GraphRAG,再到 Agent Memory:把 AI 知识系统拆开看
从 Embedding、HNSW 与混合检索讲起,拆解 GraphRAG、LightRAG、RAPTOR、Self-RAG、CRAG、CF-RAG 和长期记忆的实现,用八张极简手绘图串起数据、检索、控制与记忆。
Tag
浏览此标签下的所有文章
从 Embedding、HNSW 与混合检索讲起,拆解 GraphRAG、LightRAG、RAPTOR、Self-RAG、CRAG、CF-RAG 和长期记忆的实现,用八张极简手绘图串起数据、检索、控制与记忆。
从 Token 编码、RAG 排查到 Agent 的上下文、状态与预算,重新梳理那些容易被跳过、却决定 AI 应用能否可靠交付的工程基础。
借还原版 Claude Code 源码,把编程 Agent 从单循环到 Coordinator 多 Worker 编排串清楚,重点落在“自己做 Agent 时该抄什么、先做什么”。
最近我把近两年的几篇 Agent 官方文章和几套主流框架文档连着读了一遍。读到后面我越来越觉得,做 Agent 真正要掌握的,不是先背框架名,而是 workflow、tool calling、RAG、state、evaluation 和 guardrails 这一整套能力。