搜索结果：RAG

Memora is a lightweight MCP server that provides AI agents with persistent memory storage, knowledge graph visualization, semantic search, and cross-session context management through SQLite, cloud sync, and vector embeddings. 原文翻译： Memora是一个轻量级MCP服务器，通过SQLite、云同步和向量嵌入技术，为AI代理提供持久记忆存储、知识图谱可视化、语义搜索和跨会话上下文管理。

This article explores an alternative approach to the Model Context Protocol (MCP) for integrating tools with Large Language Models (LLMs) by leveraging existing OpenAPI servers. It proposes a simpler, more intuitive method that uses structured HTTP API definitions as tool inputs, requiring only minimal authentication flow additions. The implementation is demonstrated through a concise Scala script, focusing on core tool integration while omitting MCP's broader features like prompts and resources. 原文翻译： 本文探讨了一种替代模型上下文协议（MCP）的方法，通过利用现有的OpenAPI服务器为大型语言模型（LLM）集成工具。它提出了一种更简单、更直观的方法，使用结构化的HTTP API定义作为工具输入，仅需添加最小的身份验证流程。通过一个简洁的Scala脚本演示了实现，专注于核心工具集成，同时省略了MCP更广泛的功能，如提示和资源。

Mastra implemented the LongMemEval benchmark to improve agent memory, achieving 80% accuracy through iterative optimizations including tailored templates, smarter memory updates, and better formatting - demonstrating RAG's continued effectiveness for agent memory. 原文翻译： Mastra通过实施LongMemEval基准测试来改进智能体记忆，通过定制模板、更智能的内存更新和更好的格式化等迭代优化，实现了80%的准确率，证明了RAG在智能体记忆中的持续有效性。

A local BM25 RAG pipeline for the Pi coding agent that indexes files and enables hybrid search with zero cloud dependency, working fully offline. 原文翻译： 一个用于Pi编码代理的本地BM25 RAG管道，可索引文件并实现混合搜索，无需云依赖，完全离线工作。

This article explores the spectrum of AI system architectures, from basic LLMs to sophisticated AI agents, using a resume-screening case study to illustrate when to choose simpler solutions like RAG over complex autonomous agents for practical, reliable applications. 原文翻译： 本文探讨了从基础大语言模型到复杂AI智能体的AI系统架构谱系，通过简历筛选案例研究，说明了何时为实际、可靠的应用选择RAG等更简单的解决方案，而非复杂的自主智能体。

llmware is a unified Python framework for building knowledge-based, local, private, and secure LLM applications, featuring a model catalog with 300+ models and an integrated RAG pipeline optimized for AI PC and edge deployment. 原文翻译： llmware是一个统一的Python框架，用于构建基于知识的、本地化、私有化和安全的LLM应用，拥有包含300多个模型的模型目录和集成的RAG管道，专为AI PC和边缘部署优化。

This tutorial demonstrates how to build local AI applications using Dashjoin platform with features like multimodal chat, RAG, and MCP tool support through Docker containers. 原文翻译： 本教程演示了如何使用Dashjoin平台通过Docker容器构建本地AI应用，包含多模态聊天、RAG和MCP工具支持等功能。

Kapa.ai is an LLM-powered AI assistant that provides accurate technical answers through RAG pipelines. This article explains how to integrate Kapa.ai as a modular component within agentic AI systems, using LangGraph as an example to demonstrate workflow integration while maintaining Kapa's core focus on answer accuracy. 原文翻译： Kapa.ai是一款基于LLM的AI助手，通过RAG管道提供准确的技术答案。本文解释了如何将Kapa.ai作为模块化组件集成到智能代理系统中，以LangGraph为例展示工作流集成，同时保持Kapa对答案准确性的核心关注。

AI招生智能体是基于大语言模型的智能咨询系统，旨在解决招生季咨询压力大的问题。它能7×24小时在线，通过自然语言理解准确回答专业、分数线、政策等常见问题，并自动收集招生线索。系统采用“AI优先、人工兜底”的协同模式，可处理大部分重复咨询，复杂问题无缝转人工。它支持云服务或私有化部署，通过检索增强生成技术确保回答准确率超过95%，并能统一接入官网、公众号等多渠道，提升招生服务效率与数据安全性。

DeepSeek V4 预览版于2026年4月发布，提供Pro（1.6T参数）和Flash（284B参数）两个版本，均支持1M tokens上下文和领先的Agent能力。其核心Agent能力包括Function Calling（支持并行/嵌套工具调用）、长上下文记忆、思考模式（推理增强）、结构化输出、多模态理解及主流Agent框架适配。API兼容OpenAI接口，支持流式/非流式调用。典型应用覆盖