向量数据库凉了？Claude Code、Cursor 为何集体抛弃 RAG？
文章指出，2025 年 5 月 Anthropic 把向量搜索从 Claude Code 中移除，改用 grep，作者 Boris Cherny 称结果全面胜出且优势很大；此后 Cursor、Windsurf、Cline、Devin、Sourcegraph Amp 相继转向工具驱动的 agentic 检索。
#RAG
#RAG
今日 0 条dbaplus社群AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jerry Liu(@jerryjliu0)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LlamaIndex：Markdown 成为人与智能体之间的通用信息表示，并推出非结构化文档转 Markdown 模型
LlamaIndex 称 Markdown 已成为人与 AI 智能体之间的通用信息表示，它保留标题、列表等结构原语，让智能体能按语义读懂内容，并支持表格、图表，还可原生嵌入 HTML。由于多数非结构化数据尚不原生以 Markdown 存在，难点落在转换层，LlamaIndex 表示已打造最优模型，可将任意非结构化文档容器转为 Markdown，表格合并表头时改用 HTML。
Z PotentialsAI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harvey 联创 Gabe Pereyra：应用公司如何借助开源与评测建立研究能力
法律 AI 公司 Harvey 联合创始人兼总裁 Gabe Pereyra 在 Sequoia Capital 的“Own Your Intelligence”活动上，介绍了应用公司在资金、算力不及基础模型公司时建立研究能力的方法：先建评测标准与训练数据，再与外部研究团队合作完成后训练，最后搭建模型部署基础设施。
AI Engineer(@aiDotEngineer)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Reducto 的 Adit Abraham：文本摘要助检索，结构化表格助推理
Reducto 的 Adit Abraham 指出，文本摘要有利于检索，结构化表格则有利于推理，因此智能体能否"找到"表格与能否"读"表格是两回事。该观点来自其在 World's Fair 2026 的演讲，AI Engineer NYC 将于 10 月 12 日至 14 日举行。
Jerry Liu(@jerryjliu0)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 PageIndex 提出无需向量库的 RAG 方案，称在 FinanceBench 达 98.7%
研究团队提出名为 PageIndex 的 RAG 新方法，跳过向量数据库、数据嵌入、分块和相似度检索，改为构建树索引让 LLM 像人读书一样推理文档。引用称其在 FinanceBench 上取得 98.7%，超过榜单上所有向量 RAG，且免费开源。Jerry Liu 转发并感叹如果这套方法流行，自己四年前就做得太早了。
Harrison Chase(@hwchase17)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harrison Chase 转发实验：GPT Researcher 用 Jev 替换嵌入向量，相关上下文 73% 对 46%
Harrison Chase 转发 Assaf Elovic 的实验：在 GPT Researcher 的 RAG 管线中用 Jev 替换嵌入向量，并在 SimpleQA 的 28 个研究任务上对比测试。
GitHub(@github)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GitHub Podcast 回应三大热门争议：AI 生成代码该不该审查、RAG 是否过时、Skills 是否让 MCP 淘汰
GitHub Podcast 针对三个热门议题做出回应：AI 生成代码是否需要审查、RAG 是否已经过时、Skills 是否让 MCP 变得多余。相关讨论发布在 GitHub 博客的 AI 与 ML 栏目。
阿里研究院AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 安筱鹏：AI时代，数据如何构筑企业的护城河
阿里云智能副总裁安筱鹏在中国国际大数据产业博览会上提出，AI时代企业护城河取决于数据从比特到Token的转化率，而非数据存量或模型强弱。他引用a16z报告称，今年2月AI智能体的Token消耗首次超过人类用户，到8月已达人类用户的5倍，前沿企业与一般企业的Token消耗差距从2.6倍扩大到8.3倍。企业需构建数据知识资产化、模型管理、智能体开发运营三大平台，以及智能体运营与模型训练两个飞轮。
土猛的员外AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 RAG问答和Agent的区别是什么？各自适合哪些应用场景
RAG问答是"问什么答什么"的被动检索生成，平均消耗几千tokens、几秒到几十秒完成；Agent则是"给定目标自主完成"，具备规划、记忆、工具调用与反思能力，简单任务消耗几万tokens、复杂任务可达千万级、耗时几分钟到几十分钟。企业获取知识应优先用RAG问答，写代码、改文档、订票等复杂任务再交给Agent，而非越高级越好。
Clip设计夹AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 设计岗面试变了：美团、阿里跳过设计稿，UI 设计师转型 AI 产品经理
AI 时代下，美团、阿里等大厂已跳过原型图和设计稿，由产品经理用 AI coding 直接生成前端页面，纯执行型 UI 设计岗位持续收缩。文章认为 UI 设计师的需求分析、用户调研、原型设计与竞品拆解能力，正是 AI 产品经理岗位的核心要求，并推荐了一门主打 Agent、RAG、Function Calling 与 Vibe Coding 的「零基础入门AI产品岗」课程。
土猛的员外AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 为什么 AI 落地实施越来越像一项咨询工作？
AI 落地实施正越来越像咨询工作：项目起点从明确需求变成"建企业级 AI 平台、知识库、智能问答、智能体"这类大方向，前半程的重点转为与客户一起发现价值。作者认为可复制的是方法和经验而非项目答案，总体设计须先回答"为什么建、先建什么、怎样证明值得继续建"。企业级知识库的长期有效还需同时解决知识生命周期、知识质量与知识价值，软件则内化运营管理方法。
土猛的员外AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 WorkBuddy、豆包工作、千问办公开战，企业 AI 的机会反而更清楚了
腾讯升级 WorkBuddy 并推出企业版 AI 工作台，阿里把多条产品线整合为千问办公并接入钉钉，字节发布豆包工作并与飞书打通，AI 办公竞争进入由 Agent 接收目标、拆解任务、调用工具并交付结果的阶段。但员工个人提效不等于企业提效，组织、流程、知识与协同四类问题仍待解决，这类市场更重、更难标准化，也并非大厂优先级最高的生意。
LangChain BlogAI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 谈 Wiki Memory：用文件为 AI 智能体构建记忆层
LangChain 提出 Wiki Memory 模式，即用智能体把日志、笔记、代码、文档等原始数据压缩成持久、结构化、可检查的文件知识层，供后续智能体直接读取。它与 RAG 的区别在于预计算并维护高阶综合结果，而非查询时检索原始分块。DeepWiki、Karpathy 的 LLM Wiki 与 Factory AutoWiki 是该模式的实例，适合持久领域知识而非短期对话状态。
前端充电宝AI 评估 · 3/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 3/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 曾经的王，Vue3倒下了。。。
前端岗位需求因 AI 技术快速发展断崖式下跌，63% 的企业正转型做 AI 产品，"AI+前端"复合能力成为招聘刚需，要求掌握微调、Agent、RAG 三项技术。字节、腾讯资深项目负责人称正大量招聘有 AI 项目能力的前端，面试优先且涨薪 40-60%。陈旸推出「转型AI前端开发实战营」2 节直播课，0 元报名，限 100 人。
土猛的员外AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 企业 AI 落地需要的不是知识库，而是一台"知识引擎"
企业 AI 落地的竞争焦点正从模型能力转向企业上下文，真正需要的是能持续接入、加工、治理、调用知识的知识引擎，而非只存文件的传统知识库。文章给出八个自查问题，并拆解知识引擎的五项核心能力：知识接入、知识工程、知识治理、知识应用与反馈优化。文中指出，RAG 只是知识应用链路中的一个技术环节，Agent 时代对可信、可追溯、带权限的企业上下文需求更强。
QdrantAI 评估 · 47/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 47/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 RAG 已死？长上下文窗口为何取代不了 RAG
Qdrant 文章指出 RAG 并未因长上下文窗口而失效：文档小于 200,000 token 时可直接放进提示词，但 2026 年一项制造业安全培训案例中，长上下文问答准确率 73.1% 高于语义 RAG 的 65.4%，单次查询 token 成本却高 26 倍。
土猛的员外AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 企业Agent好不好用，关键不是模型，而是上下文
企业Agent的有效性被拆解为大模型能力、企业上下文、工具能力与治理评测四者相乘，其中企业上下文被视为最难被复制、也最可能拉开差距的差异。企业上下文分为规则、事实、经验、任务、组织与用户五类，需按任务动态装配最小充分上下文，而非把文件一股脑塞给模型。作者认为，企业Agent的竞争最终是知识管理、流程与组织治理能力的竞争。
Jina AIAI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jina AI 创始人肖涵：2026 年做搜索就是做 Agent Memory
Elastic 全球副总裁、原 Jina AI 创始人兼 CEO 肖涵在 Elastic 中国 AI 搜索技术大会上演讲，认为 2026 年做 AI 搜索基本就是在做智能体记忆，并指出记忆表征、选择性遗忘和跨模型迁移是当前未解决的问题。
Andrej Karpathy(@karpathy)AI 评估 · 53/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 53/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Karpathy 分享用 LLM 构建个人知识库的 idea file
Karpathy 把自己用 LLM 构建个人知识库的推文整理成一份 gist 形式的 idea file，读者可以交给自己的 agent，让它搭建专属 LLM wiki 并指导使用。
Taranjeet(@taranjeetio)AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Karpathy 分享用 LLM 搭建个人知识库的流程
Andrej Karpathy 分享近期常用做法：把文章、论文、代码库、数据集、图片等源文档索引进 raw/ 目录，再用 LLM 增量编译成一个由 .md 文件组成的 wiki，包含摘要、反向链接，并按概念分类写文章、互相链接。
Hamel HusainAI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 数据科学家的复仇：Hamel Husain 谈 LLM 时代的五类评测陷阱
Hamel Husain 在 PyAI Conf 的演讲《The Revenge of the Data Scientist》中提出，LLM 时代数据科学的基本功并未过时，他以五类常见评测陷阱说明缺失这些基本功的后果：直接用现成通用指标、未经验证的 LLM 评委、糟糕的实验设计、劣质数据与标注、过度自动化。
Andrej Karpathy(@karpathy)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Andrej Karpathy：所有 LLM 都会过度依赖上下文信息，或与训练方式有关
Andrej Karpathy 指出，他陆续使用过的所有 LLM 都表现出过度依赖上下文信息的倾向，因此这不是某个具体实现的问题，而是更深层的原因。他推测，训练时上下文窗口中大量信息与任务相关，使模型形成“优先使用给定内容”的偏好，进而在测试时对通过记忆功能 RAG 进来的内容过拟合。
QdrantAI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 从 pgvector 起步：为什么你会比预想更快地遇到瓶颈
基于对 Hacker News 和 Reddit 上 110+ 社区讨论的分析，多数应用会比预期更早触达 pgvector 的极限。维持 pgvector 舒适运行需同时满足六个条件：向量数据低于约 1M、不需要精确的元数据过滤、嵌入向量与关系数据紧耦合、不需要混合搜索、Postgres 已承担核心业务逻辑、团队小且 SQL 搜索逻辑可控。
Eugene YanAI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI Engineer 2025：用 LLM 技术改进推荐系统与搜索
Eugene Yan 在旧金山 AI Engineer World's Fair 2025 主持了 RecSys track，并公开了开场 slides 与整场 YouTube 录像。该 track 聚焦如何用 LLM 技术改进推荐系统与搜索。
Eugene YanAI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LLM-as-Judge 救不了产品，修复流程才行
LLM-as-Judge 等自动化评估工具无法拯救 AI 产品，真正的解法是把产品评估当成一套持续实践。它本质上是科学方法：观察数据、标注 50:50 的通过/失败样本、提出假设、设计实验并量化结果，即 eval-driven development。自动化评估虽能扩展监控，但仍需人工定期抽样标注，否则产品依然会失败。
OnBoard!AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 直播回放：什么是开发大模型应用的新一代底层技术栈？对谈贾扬清、PingCAP 黄东旭和 AWS Bedrock 核心成员
OnBoard! 第 63 期回放一场直播，Lepton AI 创始人贾扬清、PingCAP 联合创始人兼 CTO 黄东旭与 AWS Bedrock 核心成员 Andy Peng 讨论 AI 应用开发的新一代技术栈。
OnBoard!AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 全英文对话 CRV 投资人与 LanceDB 创始人：向量数据库下半场，大模型和多模态需要怎样的数据基建？
LanceDB 联合创始人兼 CEO Chang She 与 CRV 投资人 Brian Zhan 在本期 OnBoard! 全英文访谈中探讨向量数据库的竞争格局演变，以及多模态数据增长给 data infra 带来的挑战与机遇。
Eugene YanAI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI Engineer Summit 2023 回顾：LLM 部署的评估与成本难题
Amplify Partners 对 AI Engineering 的调研显示，在已收到的 800 多份回复中，评估（evals）与服务成本是 LLM 部署的最大痛点，而目前仍没有好的评估方法，介于确定但脆弱的断言检查和昂贵的三方 LLM 打分之间。