RAG 未死只是其一环：一张图看懂 LangChain 数据生态系统
mdancho84 · x · 2026-10-13
数据科学家 Matt Dancho 在预告其 Python AI/数据科学免费工作坊时，讨论了 2026 年构建 AI 系统绕不开的 context engineering：它决定了 agent 能访问哪些数据源、retrieval 工具如何设计与组合、token 预算如何管理，以及模型检索出错时如何调试。
配图展示 LangChain 数据生态全链路：135+ 个 Document Loader 集成（覆盖公开与私有数据）、25+ 个 Embedding 集成、40+ 个向量存储集成，经文档压缩与重排（如 Cohere Re-rank、聚类）后接入 60+ 个 LLM 集成，形成从多源数据到检索问答的完整 pipeline。
作者观点：RAG 没有过时，只是成为 context window 内众多工具之一。
「编程与Agent」频道最新
- Stack Internal 新增信任评分，为企业 AI Agent 供可信知识 — pchandrasekar · 2026-10-13
- Grok Bot 新增独立邮箱与 Opus,KOL 晒多 persona 常驻 Agent 用法 — petergyang · 2026-10-13
- 用跨语言语义重复检测,给 AI 代码迁移画出完成度地图 — Affectionate-Blood92 · 2026-10-13
- 微软开源 MXC：用 JSON 策略文件给 AI 编码 Agent 上沙箱 — lemire · 2026-10-13
- 实测微软 MXC 沙箱：git 命令从 10ms 暴涨至 1.24 秒 — lemire · 2026-10-13
- 让编码 agent 上线后自动清理 worktree 和分支的实战技巧 — NielsRogge · 2026-10-13