批次来源页：RAG 建库、幻觉治理与 AI 工作流
批次来源页：RAG 建库、幻觉治理与 AI 工作流
来源类型： 批次综合页（微信文章4-批次025）
日期： 2026-08-24
标签： RAG, Hallucination, GraphRAG, Agent-Workflow, On-Device-AI
覆盖文件数： 12 篇
覆盖文章列表
| # | 标题 | 来源 |
|---|---|---|
| 1 | RAG 建库：资料是怎么存进去的？ | 掘金·MomentYY |
| 2 | AI 的“幻觉”：一本正经地胡说八道，怎么治？ | 掘金·MomentYY |
| 3 | LightRAG：比 GraphRAG 轻 10 倍的图增强检索方案，代价是什么 | 公众号·极客工具 |
| 4 | 烧了一万块API后，我找到了同时适用于Fable5和GPT5.6的AI工作流 | 公众号·AI沃茨 |
| 5 | 对话元气森林陈晓昕：让中国无人零售慢慢变成一张网 | 公众号·中国企业家 |
| 6 | idea is cheap，judgment才稀缺：陈冕的50条金句 | 公众号·AI产品黄叔 |
| 7 | AI搜索时代，如何让每个答案都值得信任？ | 公众号·JackCui |
| 8 | 马斯克，惊人预测！ | 公众号·笔记侠 |
| 9 | 一个主持人管 5 档节目，他用 AI 把 1 小时的活压到 5 分钟 | 掘金·悟鸣 |
| 10 | 三伏天正是减肥天：我在 EdgeOne Makers 上从 0 到 1 上线了一个 AI 健康教练 | 掘金·一只牛博 |
| 11 | AI 又又造词，Graph 就又要替代 Loop 了？ | 掘金·恋猫de小郭 |
| 12 | 终端设备上的AI —到目前为止我所知道的 | easyai.tech（译文） |
| ## 核心主题 | ||
| 本批围绕一条主线：让 AI 在"存取—可信—执行"三环接近可用。[1-4] 技术底座（RAG 建库、幻觉治理、图增强取舍、多模型工作流），[5-7] 人与产业（无人零售数字化、judgment 稀缺、AI 搜索信任），[8-12] 应用与宏观。贯穿的元命题是生成与验证分离："生成+审查"（[2]）、"盲解+仲裁者"（[4]）、"多信源交叉+可溯源"（[7]）、"模型估算、工具记账"（[10]）是同一模式在不同层的重演。 | ||
| ## 关键发现 | ||
| ### 知识库容器：块、图与成本 | ||
| - [1] RAG 两条时间线：离线（加载→切块→向量化→入库）做一次，在线每次提问都走；存与查必须用同一 Embedding 模型；向量库存三样东西（向量索引/原文/映射），"向量负责找、原文负责还原"。 | ||
| - [1] 切块四法（硬切/递归/按结构/语义）；图库用 LLM 抽实体关系，实测"抽取会出错、过度抽取、同名异指"，建图谱成本远高于建向量库，实践中两种存法并用。 | ||
- [3] LightRAG（港大 HKUDS，EMNLP 2025，38k+ Star）省的是 GraphRAG 抽取后的社区聚类摘要（Leiden+逐社区 LLM 报告），索引成本降至约 1/10；双层关键词+五模式（naive/local/global/hybrid/mix），默认 mix+Reranker。 |
||
| - [3] 代价：无规则引擎（对比 KAG 的 KGDSL）、无时序管理、Schema 仅 Prompt 级、无精确多跳、去重靠 title-case 不可靠。 | ||
| ### 幻觉与可信：从"闭卷"到"开卷+溯源" | ||
| - [2] 幻觉本质是"概率接龙"，追求流畅而非正确；能创造与能编造是同一种能力；五类（事实/引用/逻辑/指令/上下文）治法各异；RAG 开卷、低温只治"随机发挥型"；Agent 层取真数据、ReAct、审查角色、高风险转人工、评估集盯幻觉率——无法根除，只能减少。 | ||
| - [7] 央视"3·15"曝光 GEO 投毒：虚构商品+十几篇软文，两小时后 AI 就一本正经介绍假商品；可信 AI 搜索看三点——信源可信、多轮交叉验证、结果可溯源。 | ||
| - [7] 豆包搜索：2026 年 6 月 MAU 3.82 亿（QuestMobile），BrowseComp-ZH 第一；医学（4 条全为医院/卫健信源）、编程（优先官方文档）、热点（抓到最新报道）实测稳定，可经火山方舟接入 Agent。 | ||
| - [6] 陈冕：vibe coding 让 idea 廉价，"judgment 才稀缺"；"没有产品经理，只有教 AI 的人"；在"模型厂商的缝隙里统一江东"；Sora 类机会窗口"三到六个月"。 | ||
| ### 人机协作：工作流、记忆与分工 | ||
| - [4] 搭子 2.0：三角色 deep_reasoner/fast_worker/arbiter（盲解仲裁，背对背不可互见）；config 按 host 分命名空间（Claude Code/Codex 互不干扰）、项目级优先；Goal 哈希校验+证据链小票；周 API 账单从 500 刀压到约 400 刀。 | ||
| - [9] 主持人超杰（5 档节目、年近 200 期）：转写 TXT+SRT→文字定位→FFmpeg 切片→竖版底图→标题；三步拆开跑稳再合并；按话题度/知识性/完整性/传播性筛 10-15 候选；1 小时压到 3-5 分钟；"选哪一段"仍靠人拍板。 | ||
- [10] "瘦得漂亮 AI"（EdgeOne Makers）：7 个工具，原则"模型负责估、工具负责记"；对话存储按用户固定 ID 开"日记"实现跨会话记忆；SSE 加 card 事件渲染卡片；四个坑（store 限 100 条、生产存储最终一致、刷新丢卡、CDN 缓存）。 |
||
| - [11] OpenClaw 的 Peter 曾断言"Prompt Engineering 已成过去，进入 Loop Engineering"，现又现"Graph Engineering"造词；原文仅存开头（stub）——造词周期本身即是观察对象。 | ||
| - [5] 元气森林"蓝鲸计划"：为无人零售运营商提供数字化供应链+货源，今年约 10 万合作点位；三层漏斗（自营/社会化/直营）；无人柜是"蜂窝组织"；点位为王但增量靠数据（秒级回传缓解"啤酒诅咒"）；约 20 人能独立写系统，需求→文档从两周压到 1 小时。 | ||
| ### 宏观与端侧 | ||
| - [8] 马斯克：AI 约 5 年内智力超全人类总和，2036 年"金钱将不再重要"；工作变可选（园艺类比）；通缩将取代通胀；人形机器人=末端执行器补数字智能缺口；安全靠竞争对手互审（发布前 1-2 周 API 测试），仅中美政府有最终干预权。 | ||
| - [12] 端侧 AI：Gartner 曾预测 2022 年 80% 出货手机带端侧 AI（2017 年 10%）；端侧推理胜在隐私/低延迟，端侧训练可个性化；框架 TensorFlow Lite、PyTorch Mobile、ML Kit、Core ML、ELL、华为 ML Kit、三星 Neural SDK；芯片 Exynos/Snapdragon（数据偏旧，2018-2022 产物）。 | ||
| ## 提取的概念 | ||
| - concepts/rag — 两条时间线：离线索引/在线检索，存法决定捞法 | ||
| - concepts/rag-pipeline — 加载→切块→向量化→入库的离线链路 | ||
| - concepts/chunk-strategy — 四类切块对比，块是检索与生成的最小单位 | ||
| - concepts/vector-search — 向量索引+原文+映射三件套与 ANN 近似检索 | ||
| - concepts/knowledge-graph — 关系网存法：LLM 抽实体/边，治理成本高 | ||
| - concepts/rag-alternative — LightRAG：砍社区摘要、双层检索的轻量图增强 | ||
| - concepts/llm-hallucination — 幻觉=概率接龙副作用，五类分类 | ||
| - concepts/ai-hallucination-solve — 开卷考、低温、自查、审查角色、评估集 | ||
| - concepts/ai-trust — 信源可信、多轮交叉验证、结果可溯源三支柱 | ||
| - concepts/agentic-search — AI 搜索 API 化（豆包搜索）接入 Agent 工作流 | ||
| - concepts/agentic-workflow — 搭子 2.0 三角色分工与跨项目模型混编 | ||
| - concepts/judgment-rate — idea cheap、judgment 稀缺：稀缺品是判断力 | ||
| - concepts/loop-engineering — Prompt→Loop→Graph 造词接力与范式观察 | ||
| - concepts/generator-validator — 生成-校验分离：模型估/工具记、盲解+仲裁 | ||
| - concepts/long-term-memory — 用户固定 ID 日记实现跨会话记忆 | ||
| - concepts/edge-ai — 端侧推理/训练的动机、框架与芯片生态 | ||
| ## 提取的实体 | ||
| - entities/elon-musk — 2036 富足时代、工作可选、通缩取代通胀、同业互审 | ||
| - entities/openclaw — Peter 提 Loop Engineering、Graph Engineering 造词源头 | ||
| - entities/doubao — 豆包搜索：MAU 3.82 亿、BrowseComp-ZH 第一、可溯源 | ||
| - entities/volcengine — 火山引擎：豆包搜索 API 与 EdgeOne Makers 平台 | ||
| - entities/anthropic — Fable/Mythos 被称最聪明，Mythos 风险由亚马逊先发现 | ||
| ## 与 OpenClaw/Hermes 的关系 | ||
| OpenClaw 是造词线索的源头：Peter 曾提"Prompt 过去式、Loop 进行时"，[11] 已是"Graph Engineering"接棒，与本 wiki 的 concepts/loop-engineering 观察一致，而 [1][3] 恰好提供 Graph/RAG 语义被真实消耗的工程证据。Hermes 侧：搭子 2.0 三角色分工与 Hermes/OpenClaw 类个人 Agent 工作流同构（强推理出计划、便宜模型干重活、仲裁者兜底），Goal 哈希校验与 concepts/knowledge-compilation 思路一致——把目标/知识预编译并校验，而非每次现场解释。 | ||
| ## 我的判断 | ||
| - 判断1（置信度 85%）：图增强 RAG 走向分层选型。 依据：LightRAG 38k Star 验证"砍社区摘要"可行，但无规则/无时序/无精确多跳（[3]）叠加"抽取会出错"（[1]），图谱仍是高治理成本容器。预测 2026-2028：KAG 类（程序化 Schema+规则）在合规/医疗/金融胜出，LightRAG 类成成本敏感域默认，Chunk-RAG 靠便宜续占长尾。 | ||
| - 判断2（置信度 80%）：可信性成为 AI 产品的可测量指标。 依据：GEO 投毒已上 3·15（[7]），"信源权威等级+可溯源"正从大厂能力下沉为合规要求；[2] 证明幻觉只能减不能除。预测 2027 年前后主流搜索/问答普遍显示信源等级与冲突标注，Agent 采购将"可溯源率"写入 SLA。 | ||
| - 判断3（置信度 75%）：个人工作流稀缺性转向"判断力+上下文组织"。 依据：陈冕"judgment 稀缺"（[6]）、超杰"选哪一段靠人拍板"（[9]）、搭子"每个 token 花在刀刃上"（[4]）互证；[9] 的三步渐进式自动化比一键式更现实。预测 2026-2028：出现"工作流商店"，但壁垒在领域判断力，工具层同质化、毛利趋零。 |
