# rag

一篇 arXiv 論文發現，在長期對話記憶問答裡，工具結果直接塞進對話時，字面搜尋常常打贏向量檢索；AKBP 則把 agent 記憶做成可引用、可審核、可搬家的檔案協定。兩者合在一起，其實都在說同一句話：agent 記憶不是搜尋功能，是系統工程。

有人拿 Milvus 搜 5000 個向量，就像叫消防車澆多肉。這篇用最簡單的數學，比較向量資料庫 vs agent 自己翻書的 IO 壓力、擴展性，以及一萬人跟一百萬人時各自會怎麼死。

DataTalksClub 創辦人 Alexey Grigorev 公開了 AI Engineering Buildcamp 的完整大綱，從 LLM API 到 RAG、從 Agentic Flows 到 Monitoring & Guardrails、從 Evaluation 到 Capstone 專案，是目前看到最完整的 agentic AI 開發學習路徑之一。

Harvard 團隊打造的 Dr. CaBot 用《新英格蘭醫學期刊》百年來 7,000+ 篇臨床病理會議報告當 RAG 知識庫，搭配 OpenAI o3 做診斷推理，正確診斷排第一的比率 60% 完勝 20 位人類內科醫師的 24%，而且推理品質連醫生都分不出是 AI 寫的。

Clawdbot 的雙層記憶系統深度解析：Daily Logs（流水帳）+ Long-term Memory（精華庫）+ Hybrid Search（語意+關鍵字）+ 生命週期管理（Flush、Compaction、Pruning）。