https://x7peeps.com/tags/%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/index.htmlHugozh-CNFri, 03 Jul 2026 07:21:56 +0000https://x7peeps.com/AI/04-RAG%E4%B8%8E%E7%9F%A5%E8%AF%86%E5%BA%93/Embedding%E4%B8%8E%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93%E6%A8%A1%E5%9E%8B%E9%80%89%E5%9E%8BPGVectorMilvusChroma%E5%AF%B9%E6%AF%94/index.htmlFri, 03 Jul 2026 07:21:56 +0000https://x7peeps.com/AI/04-RAG%E4%B8%8E%E7%9F%A5%E8%AF%86%E5%BA%93/Embedding%E4%B8%8E%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93%E6%A8%A1%E5%9E%8B%E9%80%89%E5%9E%8BPGVectorMilvusChroma%E5%AF%B9%E6%AF%94/index.html在 RAG（Retrieval-Augmented Generation）系统的技术栈中，Embedding 模型和向量数据库构成了检索能力的两大基石。前者决定了文本能否被精确地表示为数学向量，后者决定了这些向量能否被高效地存储和检索。选型不当的 Embedding 模型会导致语义匹配失准，而选型不当的向量数据库则会在规模增长时成为系统瓶颈。https://x7peeps.com/AI/03-Agent%E6%9E%B6%E6%9E%84%E4%B8%8E%E6%A1%86%E6%9E%B6%E7%94%9F%E6%80%81/Agent%E8%AE%B0%E5%BF%86%E7%B3%BB%E7%BB%9F%E7%9F%AD%E6%9C%9F%E9%95%BF%E6%9C%9F%E5%B7%A5%E4%BD%9C%E8%AE%B0%E5%BF%86%E7%9A%84%E6%8A%80%E6%9C%AF%E6%96%B9%E6%A1%88%E5%AF%B9%E6%AF%94/index.htmlFri, 03 Jul 2026 07:21:56 +0000https://x7peeps.com/AI/03-Agent%E6%9E%B6%E6%9E%84%E4%B8%8E%E6%A1%86%E6%9E%B6%E7%94%9F%E6%80%81/Agent%E8%AE%B0%E5%BF%86%E7%B3%BB%E7%BB%9F%E7%9F%AD%E6%9C%9F%E9%95%BF%E6%9C%9F%E5%B7%A5%E4%BD%9C%E8%AE%B0%E5%BF%86%E7%9A%84%E6%8A%80%E6%9C%AF%E6%96%B9%E6%A1%88%E5%AF%B9%E6%AF%94/index.html一、为什么 Agent 需要记忆 1.1 从无状态到有状态的范式跃迁 大语言模型（LLM）本质上是一个无状态的函数：每次调用传入一段文本，返回一段文本。模型本身不保留任何跨调用的上下文。这意味着，当你对 ChatGPT 说"我叫张三"，下一次对话它并不记得你。