https://lnkd.in/p/gPwEkZ5e
LinkedIn
RAG 也可以記住上次是怎麼找到答案的？！
傳統 RAG 往往把大量內容塞進 Context，不只昂貴，也未必找得準。
但企業文件本來就有章、節、附件等結構可以利用。VikingRAG 先把 PDF、DOCX 轉成階層式知識結構，讓 Agent 像操作檔案系統一樣，用…
傳統 RAG 往往把大量內容塞進 Context，不只昂貴，也未必找得準。
但企業文件本來就有章、節、附件等結構可以利用。VikingRAG 先把 PDF、DOCX 轉成階層式知識結構，讓 Agent 像操作檔案系統一樣，用…
RAG 也可以記住上次是怎麼找到答案的？！
傳統 RAG 往往把大量內容塞進 Context，不只昂貴，也未必找得準。
但企業文件本來就有章、節、附件等結構可以利用。VikingRAG 先把 PDF、DOCX 轉成階層式知識結構，讓 Agent 像操作檔案系統一樣，用 Search、List、Grep、Read 逐步找證據；如果第一輪資訊不足，再根據「還缺什麼證據」繼續搜尋，而不是一次把所有資料塞給模型。
其中一個有用的設計是 Experience Edge，它會把 Agent 過去成功找資料的路…
傳統 RAG 往往把大量內容塞進 Context，不只昂貴，也未必找得準。
但企業文件本來就有章、節、附件等結構可以利用。VikingRAG 先把 PDF、DOCX 轉成階層式知識結構，讓 Agent 像操作檔案系統一樣，用 Search、List、Grep、Read 逐步找證據；如果第一輪資訊不足，再根據「還缺什麼證據」繼續搜尋，而不是一次把所有資料塞給模型。
其中一個有用的設計是 Experience Edge，它會把 Agent 過去成功找資料的路…
https://lnkd.in/p/gNBghybs
LinkedIn
GenAI on AWS: From Prompt to Production | Elena Petrova | 13 comments
Most people think building AI apps on AWS is just about picking a model and calling it a day.
It is not.
➤ You need to understand the full generative AI life cycle, from prompt engineering to production deployment
➤ Fine-tuning a model and building a RAG…
It is not.
➤ You need to understand the full generative AI life cycle, from prompt engineering to production deployment
➤ Fine-tuning a model and building a RAG…
https://lnkd.in/p/g3m5uCmX
LinkedIn
Spotify 分享如何省下九成 Claude Code 讀檔 Token？
用 AI 寫程式，很多消耗其實來自讀檔、整理資料與產生重複內容。Spotify 分享了一個做法：把這些工作交給便宜的 AI，讓 Claude 專心處理需要動腦的問題。
1.…
用 AI 寫程式，很多消耗其實來自讀檔、整理資料與產生重複內容。Spotify 分享了一個做法：把這些工作交給便宜的 AI，讓 Claude 專心處理需要動腦的問題。
1.…
Spotify 分享如何省下九成 Claude Code 讀檔 Token？
用 AI 寫程式，很多消耗其實來自讀檔、整理資料與產生重複內容。Spotify 分享了一個做法：把這些工作交給便宜的 AI，讓 Claude 專心處理需要動腦的問題。
1. 大檔案先交給助手：當 Claude 準備讀取大型檔案，系統會先攔截，改由便宜的 AI 閱讀。如果只需要查看其中一小段，Claude 仍可直接讀取
2. 看重點：
AI 讀完後，只回傳與問題相關的摘要。原本幾千行的程式碼，變成幾個重點，減少 Claude…
用 AI 寫程式，很多消耗其實來自讀檔、整理資料與產生重複內容。Spotify 分享了一個做法：把這些工作交給便宜的 AI，讓 Claude 專心處理需要動腦的問題。
1. 大檔案先交給助手：當 Claude 準備讀取大型檔案，系統會先攔截，改由便宜的 AI 閱讀。如果只需要查看其中一小段，Claude 仍可直接讀取
2. 看重點：
AI 讀完後，只回傳與問題相關的摘要。原本幾千行的程式碼，變成幾個重點，減少 Claude…
