标签：vector-search
-
Mixedbread：以多模态检索与延迟交互重构智能体知识底层
AI Engineer
Mixedbread 创始人分享了传统 RAG 管道因解析、切块及单向量模型导致的信息严重丢失与高昂成本。通过自研多模态搜索模型、延迟交互机制与专有数据库，Mixedbread 支持直接基于页面视觉与多向量进行精准检索，使对冲基金智能体问答准确率从 36% 提升至 98%，同时将 LLM 消耗降低至三分之一。 -
TurboPuffer 与桥水基金：为企业级 AI 分析师构建带权限隔离的向量检索
AI Engineer
TurboPuffer CTO 与桥水基金产品工程负责人探讨了如何在大规模私有数据场景下为 AI 分析师实现带权限过滤的快速向量检索。桥水基金分享了包含约 1 亿文档的非结构化数据库 Vault 的权限挑战，TurboPuffer 介绍了基于对象存储的架构，并通过结合预过滤与后过滤的原生过滤聚类策略，在 4.5 亿向量规模下实现 120 毫秒的 P90 检索延迟。 -
桥水基金如何将上亿份非结构化文档转化为投资优势
AI Engineer
桥水基金应用 AI 负责人 Sam Green 与产品工程负责人 Aaron Linsky 介绍了非结构化数据平台 Vault。该平台整合超 1 亿份内外部文档并对齐内部本体，通过解决人类与 Agent 的差异化检索需求、引入 Turbo Puffer 原生过滤攻克规模与性能难题，并依托 Investor Workbench 推动 Agent 从被动工具转向主动协作，加速投资研究复利。 -
智能体时代的数据库：从向量检索到自主管理的演进与挑战
The MAD Podcast with Matt Turck
本文探讨了数据库在AI智能体时代的演变，指出向量数据库已融入主流系统，智能体开始自主创建和管理数据库。文章分析了DBA角色的转变，强调数据建模的重要性，并讨论了ClickHouse等厂商在生态建设上的竞争策略。 -
将 AI 连接至数十亿法律文档：Legora 与 Turbopuffer 的搜索架构演进之路
AI Engineer
法律 AI 平台 Legora 与搜索引擎 Turbopuffer 联合分享了在百亿级法律文档场景下的检索架构演进。内容详述了从单个 Elasticsearch 集群，到多地域集群、Postgres (pgvector) 分区方案的性能瓶颈与缓存抖动问题，并深入探讨了 Turbopuffer 基于对象存储（S3）、内存层次结构优化、分层聚类树以及多租户 CMEK 物理隔离的高性能低成本搜索架构设计。 -
RAG
向量检索的核心抉择：什么时候最简单的方案就够用
yage.ai
本文探讨RAG向量检索挑战，分析树、哈希、量化、图等ANN算法。引用《The Geometry of Consolidation》论文指出，针对语义分布紧凑的RAG语料，简单的聚类质心方法往往足够高效，建议在选型前先评估数据几何属性。