标签
作者描述了构建企业知识图谱智能RAG系统的历程，结合了语义检索、BM25词汇搜索和知识图谱遍历，强调生产级AI需要多种检索策略。
Ratel 是一个开源工具，通过使用 BM25 索引仅加载所需的工具（而不是所有可用工具），将输入令牌减少 79%，并提高了 AI 智能体的工具选择准确性。
AutoIndex是一个框架，学习可执行的表示程序，在索引前转换文档，相比静态BM25基线，平均提升Recall@100达8.4%，nDCG@10达8.3%。
一个基于推理的检索系统（ClawIndex）在700个查询上与FAISS和BM25进行基准测试，使用本地Qwen，取得了更高的NDCG@10但在某些数据集上速度较慢且MRR较低，作者希望获得反馈。
描述了一种名为DR-DCI的优化方法，它将RAG与虚拟文件系统上的bash命令相结合，使代理能够进行精确的语料库检索，并讨论了为推理提供者扩展到分布式系统。
本文介绍了一种自我进化框架，该框架利用基于LLM的智能体，为法律案例检索中的BM25迭代创建并优化查询重写规则，在无需任何参数训练的情况下，在LeCaRD-v2基准上优于非进化基线。
Archex 是一款新的开源代码 RAG 工具，通过结合混合搜索（BM25F + 密集嵌入）、交叉编码器重排序和依赖图扩展来改进检索，与纯基于嵌入的方法相比，实现了更高的召回率和令牌效率。
作者分享了他们在agent中从语义嵌入切换到BM25进行工具选择的经验，发现在200个查询-工具对的数据集上，BM25的Top-1准确率达到81%，而嵌入只有64%，因为工具描述简短且关键词驱动，不像文档那样语义丰富。
一位开发者分享说，RAG应用中的真正问题是检索步骤在处理版本号和代码时失败，通过混合搜索（向量+BM25+倒数排名融合）解决，而不是模型问题。
RISE 框架通过结合 BM25 检索与预处理文档索引，为智能体搜索构建有界交互空间，在保持高准确率的同时实现大规模语料库的高效探索。
本文提出了一种无需训练、仅使用CPU的检索方法，该方法将BM25词汇分数与后期交互密集分数相融合，用于会话记忆检索，在六个编码器上相比仅使用后期交互，在LoCoMo Hit@1上提升了高达+17.2个点。该研究提供了关于池化操作符、重排序器效果和基准鲁棒性的受控消融实验，将这种提升视为密集信号与词汇信号之间的分工。
本文质疑将 BM25 与向量搜索结合 RRF 是否能提高智能体记忆检索的命中率，并暗示仅使用 BM25 可能就足够了。
单向量嵌入模型可用于提取稀疏潜在术语，而BM25可将这一词汇转化为强大的检索器。
一位开发者回顾调试RAG系统的经历，发现固定大小分块会破坏句子边界，向量搜索无法处理精确标识符（用BM25解决），以及过时索引导致自信的错误答案。
研究人员使用经过重构训练的稀疏自编码器，从冻结的密集检索器中提取出可索引且适用于BM25的稀疏特征。
该论文提出 Latent Terms 方法，使用稀疏自编码器从冻结的密集检索器中提取BM25就绪的稀疏特征，无需检索特定训练即可实现有竞争力的性能。
Jerry Liu 询问文件搜索和检索的当前最先进技术，列出了从 grep 到数据库上的混合搜索等选项。
Context Mode is a tool that solves AI agent context problems by sandboxing tool outputs and persisting sessions, achieving up to 98% compression of Playwright snapshots and using BM25 retrieval to reduce context window usage. It supports 15 platforms including Claude Code, Gemini CLI, VS Code Copilot, and is used by major tech companies.
本文介绍了 Pi-Serini，这是一个基于 BM25 的智能体搜索系统。该系统证明了当智能体优化查询时，词法检索足以支持深度搜索，相比默认设置，它在实现高准确率的同时降低了成本。