XNews

记忆、RAG 和检索代理工具

记忆、RAG 和检索代理工具

开源工具和论文推动了多轮任务的 RAG 和代理记忆系统的发展。- 面向初学者的代理 RAG:基于 LangGraph 的生产级 RAG - 包含对话记忆、分层索引、小片段搜索 - 支持多代理并行处理和确认问题 - Hindsight 论文:记忆作为推理基础 - 四个记忆网络:事实、代理经验、实体摘要、不断演变的信念 - Hindsight 操作:保留、回忆、反思 - Hindsight 在测试中实现了 LongMemEval 91.4% 的准确率 - Firecrawl 将网站抓取为干净的 Markdown/JSON 并提取结构化数据 - Firecrawl v2.7.0 增加了品牌提取、NOQ 系统和 UUIDv7 - Firecrawl 现在提供一个 AI 驱动的爬虫代理,可以自动搜索和提取数据,无需 URL。

Key insights

面向初学者的代理 RAG 项目增加了对话记忆和分层索引

面向初学者的代理 RAG 提供了一种基于 LangGraph 构建的生产就绪的 RAG 解决方案,将基本的检索+生成扩展到多轮对话用例,具有对话记忆、分层索引和小片段搜索,随后进行大片段上下文回调。该项目支持 Gradio UI、文档管理、持久对话、人为干预和 Docker 部署。

Hindsight 重新思考记忆作为结构化推理基础

Hindsight 架构将记忆建模为四个相互连接的网络——世界事实、代理经验、实体摘要和不断演变的信念,并增加了三种操作:保留、回忆和反思。反思使得自动信念更新成为可能。Hindsight 报告称 LongMemEval 的准确率为 91.4%,并声称改善了长期推理并降低了幻觉风险。

Firecrawl 提供网页到 LLM 的管道和自主爬虫代理

Firecrawl 将网页和网站转换为适合 LLM 的 Markdown、结构化 JSON 或截图,提供抓取、爬行、模式提取、品牌提取和实验性 NOQ 爬行。v2.7.0 增加了性能、元数据和企业搜索功能。Firecrawl 还发布了一个 AI 驱动的数据爬虫代理,可以在没有输入 URL 的情况下查找、浏览和提取深网内容。

Source posts