context-retrieval

作者分享道，用智能体按需调用的搜索工具取代预先注入的上下文（该工具以 OpenSearch 中的结构化文档为支撑）大幅减少了智能体错误，并提升了可追溯性。

一篇Ars Technica文章比较了两种AI编码工具方法：Claude Code的轻量级工具和Augment Code的上下文丰富的语义检索方法，并包含对Augment Code工程副总裁Vinay Perneti的采访。

微软已开源 Fast Context，这是一个旨在加速 AI 应用上下文检索的工具。

本文探讨了AI产品为何需要新的「AI集成层」来处理上下文检索、工具执行、模型路由和可观测性，并引用了Merge.dev为此提供的基础设施。

一位开发者分享了调试RAG系统时遇到的故障模式，包括分块、过期索引和混合搜索的问题，以及滑动窗口分块和上下文检索等实用修复方法。

Applied Compute 推出 ACL-Wiki，这是一个基于其 Context Engine 构建的持续学习记忆系统，能够记录来自 Cursor、Claude Code 和 Codex 的编程智能体交互，从而构建一个不断优化的 Contextbase，在两周内将关键记忆率提升约一倍。该系统通过 MCP 服务器暴露的 Remember-Refine-Retrieve 流水线，为编程智能体提供随使用而持续改进的机构记忆。