在資料所在之處建構 AI 代理
AWS 介紹整合於現有資料庫與儲存服務中的向量搜尋能力，無需額外部署獨立向量資料庫或遷移資料。文章比較六項專用服務，並提供選擇合適向量引擎的決策框架。
Search
Tag: #vector-search12 results
為何僅導入 RAG 仍無法改善企業搜尋
Sky 發現，單純將內部資訊餵給 AI 並全部向量化，並不能保證提升搜尋準確度。本文探討 Sky 如何放棄一體適用的 RAG 方法，以改善檢索品質與複雜的權限控管問題。
⚙️
KV Cache 能成為可搜尋的記憶體嗎？
這篇討論提出，應將 Transformer 的 KV Cache 視為具備可導航性的高維向量空間，而非扁平陣列。如此一來便能建立索引並執行局部注意力，降低推論時每一步掃描全部歷史內容的需求。
🔬
BaryGraph：以嵌入式文件作為關係的知識圖譜
BaryGraph 引入了一種創新的知識圖譜架構，將關係視為具有獨立向量的一等公民文件，而非單純的邊。這種方法能發現那些在標準嵌入空間中缺乏語義相似性，但在結構上具有關聯的概念。
攤銷最大內積搜尋 (MIPS) 技術
本研究提出了一種基於迴歸的 MIPS 方法，透過訓練神經網路直接預測解。利用鍵值集的支撐函數，它攤銷了針對已知查詢分佈進行重複搜尋的成本。
Amazon OpenSearch Serverless 於 Vercel Marketplace 正式上線
Vercel 將 Amazon OpenSearch Serverless 整合至其市集，為開發者提供簡化的搜尋基礎設施管理流程。此整合具備自動化專案配置、統一資源管理，並針對代理式 (agentic) 與向量搜尋工作負載進行了優化。
LangChain 與 MongoDB 合作推出 AI Agent 堆疊
LangChain 與 MongoDB 宣布合作，推出運行於 MongoDB Atlas 的 AI Agent 堆疊。該堆疊內建向量搜尋、持久記憶、自然語言查詢及端到端可觀測性。這讓使用者能在可靠資料庫上建置生產級 AI 代理。
Qdrant 籌資 5000 萬美元，推出 1.17 代理版
Qdrant 完成 5000 萬美元 B 輪融資，並推出向量資料庫 1.17 版本。此更新針對代理式 AI 的高查詢量與資料新鮮度挑戰。執行長指出，代理放大檢索需求，超越 RAG 時代。
MongoDB Atlas 為新創公司的 Agent-native 數據堆疊提供動力
數位原生新創公司正從僵化的關聯式資料庫轉向 MongoDB Atlas，以處理 Agentic AI 所需的可變架構與向量需求。該平台提供統一的數據層，消除了獨立向量資料庫帶來的延遲與同步開銷。
使用 Amazon Bedrock AgentCore 構建蛋白質研究助手
本教學展示如何為蛋白質科學創建專業的研究助手。它整合了自然語言查詢解析、向量相似度搜尋以及 AI 生成的科學摘要功能。