🏷️ 混合检索

Introducing pgContext 0.2.0: Advanced AI search inside Postgres

pgContext 0.2.0 发布，作为 PostgreSQL 的开源扩展，提供更快的语义搜索、过滤和混合检索功能。新版本优化了性能，增加了搜索透明度和安全性，支持更多 AI 搜索方法，适用于推荐系统和低成本检索。用户可通过源代码、容器或 Docker Compose 使用。

pgContext: Full AI search engine inside Postgres (Open Source)

pgContext是一个开源Postgres扩展，将数据库转变为全功能AI搜索引擎。它比pgvector快5.3倍，支持混合检索、过滤器感知向量搜索和精确重评分。核心能力包括HNSW索引、多种距离度量、全文搜索混合检索等，性能优异，无需额外数据库。

个人和小团队做 AI 知识库的升级顺序

文章提出个人和小团队构建 AI 知识库的五个升级阶段：从直接上下文验证价值，到全文检索精确命中，再到混合检索提升召回率，随后引入 Agentic 检索解决复杂问题，最后按需引入图谱或视觉检索。强调架构应基于真实失败逐步迭代，每升级前需明确失败原因、验证指标和成本责任。

让RAG长出脑子：Agentic RAG的多步推理实践

文章指出传统单轮 RAG 在处理复合问题时存在检索不足或幻觉的缺陷，提出通过 Agentic RAG（多步推理）来解决。核心思路是将 LLM 从被动应答升级为主动调度的指挥官，利用 ReAct（推理-行动循环）机制，自主决定检索次数和工具调用。文中详细展示了如何封装检索工具、执行函数（含权限过滤、混合检索）以及编写多步推理循环代码，实现复杂问题的精准回答。