CrabRAG 实测:图数据库凭多跳推理完胜向量检索
AI Engineer · youtube · 2026-07-23
Stephen Chin 在演讲中探讨了 AI 助手为何需要图记忆而非单纯增加 Token。他演示了两个拥有相同数据的 Agent：向量数据库 Agent 无法找到具体细节，而图数据库 Agent 成功追踪连接并标记了运行过期软件的暴露端口。
他指出，目前多数助手将记忆存为 Markdown 文件，导致每轮对话消耗超 10 万 Token。由于向量空间中的相似性并非真正的实体关系，处理多跳问题极易产生幻觉。相比之下，图数据库通过存储实体与边，结合向量进行种子搜索与遍历，能提供精准、可解释且可审计的答案。
「编程与Agent」频道最新
- Cursor 推出编程路由器，称成本比前沿模型低 60% — kieranklaassen · 2026-07-23
- Baseten 称正与 Harvey 合作打磨长时运行 agent — baseten · 2026-07-23
- 微软开源 MagenticLite 全栈，含 MagenticBrain 和 Fara 1.5 — SaleemaAmershi · 2026-07-23
- 线程称 GPT-5.6 Sol 五天解出 6 个 Erdős 开放题 — jxnlco · 2026-07-23
- Gary Marcus 称 Claude Code 用了 50 多种工具 — GaryMarcus · 2026-07-23
- 上线 AI Agent 前先回答的 7 个问题 — kashifmanzoor · 2026-07-23