向量数据库：RAG 背后存储知识的「AI 知识库」
上一讲我们聊了 RAG：让大模型「先查资料再回答」，是解决 AI 幻觉最主流的方案。但很多人不知道，RAG 这套机制能跑起来，背后有一个默默无闻的功臣——向量数据库。
千问Go开放「我的应用」邀测
今天几件跟「能上手、能排队」有关的产品入口，放一起看：国内千问Go 开了应用生成邀测，Anthropic 放了 Duet 研究预览候补，Meta 把可穿戴助手的模拟基准开源了。1.
研究人员通过DNS数据库发现数千个公开的Muse聊天记录分享链接，Meta已修复
IT之家 10 月 24 日消息，Meta 旗下个人 AI 助手 Muse 的对话分享功能被曝存在隐私风险。
最被看衰的Meta，先把AI管家卖爆了
去年这时候，要是让硅谷评一家"AI最拉胯的大厂"，Meta大概率要上台领奖。Llama 4口碑翻车，扎克伯格开天价挖人，常被调侃花钱最多、存在感最低。结果今年9月，第一个把AI智能体送上美国App Store榜首的，偏偏是它。
吴恩达也投了，微软AutoGen核心作者做了个Personal Agent群聊
吴恩达投资、由微软 AutoGen 早期核心作者创办的 AG2 团队做了个 s.space:群里不只有人，每个人还能带着自己的 Agent 进来。
手把手：在国产数据库里搭一套能上线的 RAG 检索
在库里把 RAG 跑起来：KES 向量检索从建表到调优的完整链路喜欢把枯燥的技术文档变成"手把手教程"，不讲空话，只讲怎么连、怎么写、怎么优化。做 RAG 的项目，第一个卡点通常不是模型，是数据在哪。
Meta 如何改造工程环境，让 Agent 自己跑开发 Loop
在 AI 辅助编码的模式下，工程师先理解需求、定位代码，再借助 AI 编写或修改代码，随后运行测试并决定下一步。当团队想进一步让 Agent 自主推进规划、构建、测试和修正时，原先由工程师完成的状态确认、故障分流和结果检查，也需要相应的工具与执行规则来支撑。
Oracle 一无是处？现在的数据库宣传，多少有点不讲武德了
这两年看数据库行业的宣传，很容易产生一种错觉：Oracle 好像已经成了落后、昂贵、封闭、臃肿的代名词；国产数据库则像是天然先进、天然分布式、天然云原生，随时可以平替 Oracle。听起来很爽。但这套叙事多少有点不讲武德。Oracle 当然有问题。