🏷️ Agentic

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。

私有知识库从 demo 到生产，中间差了 8 层工程

文章探讨了私有知识库项目在实际落地中遇到的挑战。许多 Demo 看起来聪明，但在生产环境中常因检索链路混乱而答非所问。作者指出单纯升级模型无济于事，根本在于构建稳固的 RAG 底座。文章详细拆解了从数据源、解析、清洗、切分、Embedding 到索引、检索、生成及评估的 8 层最小可用架构，并阐述了 Agentic RAG 如何通过决策层优化检索策略。最后提供了从 0 到 1 的搭建步骤及技术选型建议，强调权限过滤、混合检索与持续评估的重要性。

Claude Code 正在创造新型开发者：从 AI 助手到智能编排

文章探讨了软件开发的范式转移，指出开发者不应仅将 AI 视为简单的聊天或代码生成工具，而应构建围绕智能体（Agent）的完整操作系统。通过优化上下文管理、工作流编排和长期记忆系统，开发者能将 AI 转化为高效的工程系统。这种从“写代码”到“编排智能”的转变，将是未来的核心竞争力。

16 位 AI 支付从业者眼中的场景、矛盾与终局

本文记录了一场关于 Agent Payment 的闭门会讨论。来自支付基础设施、大厂及投资机构的 16 位嘉宾探讨了 AI 支付的真实场景、安全机制、商业模式及竞争格局。核心观点包括：API 调用是当前最成熟场景；AI 的不确定性需通过意图验证和分层仲裁来解决；创业公司未来将扮演大厂组件供应商的角色；真正的卡点在于上游交易环节尚未为 Agent 重建。