向量检索

关键词： AI 记忆管理、知识图谱、双引擎架构、JSON 查询表达式、向量检索 随着大语言模型（LLM）和 AI Agent 技术的飞速发展，让 AI 拥有类似人类的“长期记忆”成为了当前技术界亟待解决的关键难题。如何在海量的历史交互、文档和常识中，既能做到语义层面的模糊理解，又能实现精确的逻辑与文本匹配？ 开源项目 Hypatia 是一个面向 AI 的记忆…

短视频搜索是向量检索在工业界最核心的应用场景之一。然而，当前业界普遍采用的「自强化」训练范式过度依赖历史点击数据，导致系统陷入信息茧房，难以召回潜在相关的新鲜内容。 针对这一问题，快手搜索团队提出了一套全新的检索数据引擎 CroPS（Cross-Perspective Positive Samples）。该方法通过引入用户换 Query 数据、推荐流数据以及…

多数团队都在谈论构建对话代理，但真正将其打磨到可用于生产环境却充满挑战。语音系统尤为严苛：延迟会立刻显现，检索失误会破坏信任，而语音、语言与响应之间的任何断层，都会让用户体验大打折扣。本文将带你构建一个“声音原生”的对话代理，实现端到端自然流畅的交互。你将了解语音如何在实时流程中依次经过转写、推理、检索与合成，以及各层如何协同工作以保持体验的连贯性。阅读本部…

将多模态数据纳入到RAG（检索增强生成）乃至Agent框架，是目前大语言模型（LLM）应用领域最受关注的方向之一。针对多模态数据最自然的召回方式，便是向量检索。 然而，我们正在依赖的这一整套“embedding → 向量检索 → 下游任务”的流程，其实存在一个未被正确认知到的陷阱。许多人认为向量检索方法已经标准化，遇到向量检索需求便不假思索地选择HNSW算法…