Claix бросает вызов векторному RAG: агенты больше не нуждаются в эмбеддингах
We Built an Alternative to Vector RAG for AI Agent Memory
Классический RAG с разбивкой на чанки и векторным поиском перестаёт быть универсальным решением для AI-агентов. Claix предлагает агентный подход: агент сам решает, когда и какие инструменты использовать — структурированное извлечение, SQL, API, графы знаний или прямое сравнение документов. Векторные базы не исчезают, но становятся лишь одним из инструментов, а не обязательным фундаментом.
Вопрос не в том, ценны ли эти инструменты. Вопрос в том, должен ли каждый агент начинать с полного стека векторного поиска.
- geuis
Весь сайт выглядит так, будто его сгенерировали с помощью Claude.
Сайт перехватывает скроллинг.
Я просканировал абзац за абзацем раздутые и повторяющиеся описания того, что такое RAG и как он работает по сравнению с тем, как «современные агенты» должны получать доступ к документам.
Чего я так и не увидел ни в одном месте, так это того, чем же должна была быть эта «альтернатива RAG».
Честно говоря, весь этот текст ощущается как сгенерированный LLM.
- cmenge
Я прочитал первый или второй абзац, но потом остановился по двум причинам:
A) поиск с помощью BM25 и через векторные эмбеддинги — это два разных метода поиска; у обоих есть свои применения, многие практические сценарии выигрывают от наличия обоих. Метод поиска не зависит от того, кто и когда его вызывает, то есть от того, есть ли у вас просто статический пайплайн или динамический, где инструмент поиска вызывает их.
B) вы описываете статический пайплайн так, будто это SOTA. Насколько я помню, мы отказались от этого больше года назад. Возможно, всё ещё есть случаи, когда этого достаточно, но в целом агентный поиск практически стал дефолтом с тех пор, как LLM стали достаточно хорошо вызывать инструменты.
- ericol
да нет, спасибо. Я ни за что на свете не стану делиться с вами какими-либо документами.