← Каталог

· AI Engineer World's Fair 2025

Создание более умного AI-агента с Neural RAG

Building a Smarter AI Agent with Neural RAG

Поиск для AI-агентов должен строиться на эмбеддингах документов, а не на совпадении слов: по словам спикера, так работает Exa.

  • Эмбеддинги вместо индекса по словам — документ превращается в вектор, который хранит смысл и то, как документ упоминают в вебе. По словам автора, запрос «shirts without stripes» возвращает рубашки без полосок, а поиск по словам выдаёт полосатые.
  • Длинные запросы и выдача в тысячи результатов — агенту нужны запросы из нескольких абзацев с контекстом пользователя, фильтры по датам и доменам и полный список, например все стартапы из YC, работающие с AI. По словам автора, на enterprise-плане доступна выдача в тысячу результатов.
  • Нейронный и точный поиск в одном агенте — в демо агент делает нейронный поиск людей, извлекает имена и по каждому ищет GitHub по точному совпадению. Такой агент автор собрал одним запросом к o3.
  • Deep research API — эндпоинт, запущенный в день доклада, сам выполняет множество поисков и LLM-вызовов и возвращает структурированный результат под заданный запрос.

Кому полезно: тем, кто строит агентов с доступом к вебу. Доклад по сути презентация продукта Exa, сравнительных метрик качества поиска в нём нет.

Статья по теме

Главы

Ещё доклады: Will Bryk

Страница спикера →

Похожие доклады