https://index.zshipu.com/ai002/tags/%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/ Recent content in 向量数据库 on 知识铺的博客 Hugo -- gohugo.io zh-CN Thu, 03 Sep 2026 00:00:00 +0000 https://index.zshipu.com/ai002/post/20260903/AI-Agent-%E7%94%9F%E4%BA%A7%E6%88%90%E5%8A%9F%E7%8E%87%E4%BB%85-24%E6%8F%90%E7%A4%BA%E8%AF%8D%E5%A4%B1%E6%95%88%E5%90%8E%E6%95%B0%E6%8D%AE%E5%BA%93%E5%A6%82%E4%BD%95%E6%8E%A5%E7%AE%A1%E4%B8%8A%E4%B8%8B%E6%96%87/ Thu, 03 Sep 2026 00:00:00 +0000 https://index.zshipu.com/ai002/post/20260903/AI-Agent-%E7%94%9F%E4%BA%A7%E6%88%90%E5%8A%9F%E7%8E%87%E4%BB%85-24%E6%8F%90%E7%A4%BA%E8%AF%8D%E5%A4%B1%E6%95%88%E5%90%8E%E6%95%B0%E6%8D%AE%E5%BA%93%E5%A6%82%E4%BD%95%E6%8E%A5%E7%AE%A1%E4%B8%8A%E4%B8%8B%E6%96%87/ 生产环境中 AI Agent 成功率只有 24%。提示词无法承载长期记忆、状态跟踪和多工具调用，导致复杂任务反复失败。数据库提供了持久化存储与按需检索能力，让上下文不再依赖单次提示长度，而是通过结构化组织实现可靠管理。这正是 Context Engineering 的核心转变。 生产环境里 Agent 成功率仅 24% 的根源 多数开发者把 AI Agent 失败归因于模型 https://index.zshipu.com/ai002/post/20260902/Claude-Mem-%E7%94%A8%E5%A4%96%E9%83%A8%E6%8C%81%E4%B9%85%E5%AD%98%E5%82%A8%E8%A7%A3%E5%86%B3-AI-%E7%BC%96%E7%A0%81%E4%BB%A3%E7%90%86%E7%9A%84%E5%A4%B1%E5%BF%86%E9%9A%BE%E9%A2%98/ Wed, 02 Sep 2026 00:00:00 +0000 https://index.zshipu.com/ai002/post/20260902/Claude-Mem-%E7%94%A8%E5%A4%96%E9%83%A8%E6%8C%81%E4%B9%85%E5%AD%98%E5%82%A8%E8%A7%A3%E5%86%B3-AI-%E7%BC%96%E7%A0%81%E4%BB%A3%E7%90%86%E7%9A%84%E5%A4%B1%E5%BF%86%E9%9A%BE%E9%A2%98/ Claude-Mem 通过外部持久存储为 AI 编码代理解决了失忆问题，让代理能在多次会话中保留代码上下文和决策历史。传统代理受限于单次上下文窗口，复杂编码任务经常中途丢失状态，而这一工具直接把记忆搬到外部，实现跨会话连续性。开发者因此能把 AI 真正当作长期协作伙伴而非每次重启的临时助手。 上下文窗口限制如何让 https://index.zshipu.com/ai002/post/20260902/RAG-%E4%BB%8E%E7%94%A8%E6%88%B7%E6%9F%A5%E8%AF%A2%E5%88%B0-AI-%E5%9B%9E%E7%AD%94%E5%88%B0%E5%BA%95%E5%8F%91%E7%94%9F%E4%BA%86%E4%BB%80%E4%B9%88/ Wed, 02 Sep 2026 00:00:00 +0000 https://index.zshipu.com/ai002/post/20260902/RAG-%E4%BB%8E%E7%94%A8%E6%88%B7%E6%9F%A5%E8%AF%A2%E5%88%B0-AI-%E5%9B%9E%E7%AD%94%E5%88%B0%E5%BA%95%E5%8F%91%E7%94%9F%E4%BA%86%E4%BB%80%E4%B9%88/ 构建 LLM 应用后，你很快会发现模型并不知道你的应用数据。产品文档可能明天就更新，公司的私有 API 从未出现在训练集中，数据库里的信息也完全陌生。微调模型并非总是最佳选择，这正是 RAG 通过检索外部数据来解决的问题。 检索器先从外部知识库拉取相关片段 RAG 流程以用户查询开始。查询文本首先被送入检索器模块