The Current State of Agentic Retrieval - Qdrant Roundtable

摘要

本訪談探討了 AI 代理在檢索（Retrieval）領域的最新狀態。討論涵蓋了代理如何高效搜尋、評估結果、以及利用技能與強化學習來最佳化搜尋行為。訪談者分享了 Qdrant 團隊開發的統計訊號技術，用於低成本評估檢索質量，並介紹了將搜尋技能作為代理的「技能」進行程式設計的方法。此外，訪談者展示了 Qdrant 的 episodic memory（記憶）功能，說明如何將短期對話經驗長期化，幫助代理記住個人偏好與歷史對話。

This interview explores the latest state of AI agents in the retrieval domain, covering efficient search, result evaluation, and skill-based optimization. The speaker shares Qdrant's statistical signal techniques for low-cost quality assessment and introduces programmable search skills for agents. A…

重點

• 代理搜尋效率低，常重複嘗試且消耗token，缺乏評估能力。
• 統計訊號技術可低成本評估檢索質量，避免不必要的額外計算。
• 搜尋技能（Skills）可作為代理的程式化指令，指導其如何正確搜尋。強化學習可讓代理自我最佳化搜尋策略。

章節

依話題轉折切分，標題由 AI 產生

1. 00:09回顧過去兩年檢索技術的演變
2. 04:14評估檢索結果的有效性與效率
3. 08:28低成本檢索質量評估與技能應用
4. 12:40利用 LLM 增強文件以解決延遲問題
5. 16:50開源技能庫與資料合成評估
6. 21:05強化學習在檢索軌跡教學中的應用
7. 25:16構建安全可靠的檢索系統
8. 29:29混合向量與圖檢索架構
9. 33:41Hermes 代理的短期與長期記憶
10. 37:52記憶遺忘機制與上下文管理
11. 42:05物理裝置上的向量檢索演示
12. 46:17邊緣計算與輕量級模型部署
13. 50:35向量資料庫與知識圖譜的權衡
14. 54:44向量搜尋的語義密度優勢分析

提到的工具與公司

• Qdrant
• Semantic Search

適合誰看

開發者、AI 架構師、RAG 系統工程師。

摘要依據

依據

節目逐字稿

為什麼排在這裡

人氣

0.31

新鮮

0.70

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Write, Change, Recall, Forget: MongoDB's Pete Johnson on How Retrieval Drives Agent PerformancePodcast ・ The Cognitive Revolution ・ 1 小時 37 分（在新分頁開啟原站）
• Agentic Search: 搜尋技術不會消失，只是變成 Agent 工具文章 ・ ihower（張文鈿）
• Agent Skills 做知识库检索，能比传统 RAG 效果更好吗？影片 ・ code秘密花园 ・ 14 分鐘（在新分頁開啟原站）
• Why Your Agent Still Needs Retrieval - Carly Richmond, Elastic影片 ・ Mastra ・ 22 分鐘（在新分頁開啟原站）
• Episode 68: A Builder’s Guide to Agentic Search & Retrieval with Doug Turnbull & John BerrymanPodcast ・ Vanishing Gradients ・ 1 小時 29 分（在新分頁開啟原站）
• How To Build And Evaluate Search Agents影片 ・ Hamel Husain ・ 51 分鐘（在新分頁開啟原站）