无限上下文与RAG：时效性、可追溯性与成本的三重考验
本文探讨了无限上下文与检索增强生成（RAG）的关系，指出RAG的核心价值在于解决知识的时效性、可追溯性和成本控制问题，而非单纯扩展上下文。长上下文模型存在信息关注度衰减问题，两者未来更可能协作而非替代。
TechFoco
Retrieval-Augmented Generation 专题
共 5 篇文章，按时间倒序展示。
Agentic RAG：进阶检索生成框架解析
本文解析了 Agentic RAG 框架，即在传统 RAG 基础上引入基于 LLM 的智能代理，通过查询分析、检索触发、数据整合与循环优化等步骤，实现更灵活、适合复杂业务场景的智能系统。
TechFoco
构建生产级 RAG 系统：从 BM25 到本地 LLM
本文介绍一个为期 6 周的开源实战课程，旨在系统化地指导构建一个生产级的 RAG 系统。课程从 Docker、FastAPI 等基础设施搭建开始，强调先掌握 BM25 关键词检索，再结合向量语义进行混合检索，并集成...
TechFoco
谷歌AI Agents密集课程：构建生产级智能体
谷歌推出为期5天的免费AI Agents密集课程，系统讲解智能体设计、多智能体系统、RAG等核心技术，并提供开源资源与Kaggle实操。
TechFoco
