標籤: RAG

用 TREC RAG 2026、ClimbMix-400b 與 RAGDoll 先理解 Agent-first 評測的方向，再延伸到企業 RAG 的實作 harness。

以 TREC RAG 2026 與 RAGDoll 為參考，逐步設計企業 RAG evaluation harness 的資料模型、執行管線、citation support、Agent trace、judge 校準與 production gates。

深度比較 Google Cloud Open Knowledge Format (OKF) v0.2 與 v0.1 的核心差異。解析全新的 Attested Computation（可驗證計算）、sources 聲譽訊號、verified 驗證家族與生命週期控制，為 AI Agent 建構無幻覺、高度可信的企業知識底座。

系統整理企業 RAG 的資料管線、Hybrid Search、重排、GraphRAG、Agentic RAG、評估、權限治理與失敗診斷，建立從知識來源到正式營運的決策框架。

深入探討 LangChain 最新開源工具 OpenWiki。從底層的 Git Diffs 追蹤機制到全新的「OpenWiki Brains」主動記憶體，全面解析如何為 AI Coding Agent 打造降低 Token 消耗的專屬 codebase 文件系統。

探討 QCon AI 中 Cassie Shum 的演講精華。從底層解析 GraphRAG 如何透過全局脈絡 (Global Context)、多步推論 (Multi-hop Reasoning) 與 Cypher 查詢解決企業級 RAG 痛點，並附上具體的架構實踐。

解讀 UC Berkeley 等機構提出的 PixelRAG 系統，剖析其定制 Chromium 渲染、GPU 加速預處理、LoRA 雙塔視覺嵌入與 Text Warmup 訓練配方，並教你如何將其實現為 Claude Code 的網頁視覺閱讀技能。

深度解讀 Google Cloud 提出的 Open Knowledge Format (OKF) 規範。剖析如何將傳統 LLM-wiki 模式標準化，透過簡潔的 Markdown、YAML 前置屬性與互聯結構，打破企業知識孤島，為 AI Agent 提供可攜式、高互操作性的知識底座。

深讀 Parallel 長文：從意圖擷取、工具執行、context 編譯到驗證與持久化，釐清 Harness 與 orchestrator、framework 的差異，並對照 Anthropic／LangChain 實例。

整理我在《RAG 2026：當向量搜尋遇上代理推理》報告中的核心觀點：為什麼純向量 RAG 會卡在上下文盲視、為什麼 2026 的方向是向量粗篩加代理精讀，以及企業該如何落地可驗證、可治理的混合架構。